|
|
|
|
公众号矩阵

分页场景慢?MySQL的锅!

从一个问题说起,六年前我刚工作的时候,发现分页场景下,当 offset 变大,MySQL 处理速度非常慢!

作者:牛牛码特来源:牛牛码特|2021-10-09 06:45

 

图片来自 Pexels

具体 sql 如下:

  1. select * from t_record where age > 10 offset 10000 limit 10 

下表所示为表 t_record 结构,为了简单起见,只列了我们将讨论的字段,其余字段省略。

其中 t_record 是要查询的数据表,表中一共有 50000 条记录,age 字段上有索引,且 age>10 的记录有 20000 条。

这条语句非常慢,基本达到了秒级延迟,在第二次请求有缓存之后,才变快。

在数据量这么少的情况下,走索引还这么慢,这完全不能接受,我就问我导师为什么,他反问“索引场景,MySQL 中获得第 n 大的数,时间复杂度是多少?”

答案的追寻

①小白直觉作答

当时只知道 MySQL 索引使用的是树,瞎猜了个 O(logn),心想二叉树找一个节点不就是 O(logn) 么。自然而然,导师白了一眼,让我自己去研究。

②继续解答

想来想去...只能从底层结构分析了,MySQL 的索引是 B+ 树。仔细想一下,就会发现通过索引去找很别扭。

因为你不知道前 n 个数在其他子树的分布情况,也没有标记让你能快速选择去哪个子树寻找,我们无法利用 B+ 树分支过滤的查找特性。

这下我明白导师的用意了——offset n,就是从第 n 大的数开始找!第 n 大的数没法使用树分支查找,所以 offset,也不能!

回到我们一开始的问题:

  1. select * from t_record where age > 10 offset 10000 limit 10 

通过二级索引 age,我们只能找到对应的起始节点,但无法通过树结构过滤掉 10000 个节点,再获取 10 个节点,因为我们无法知道某个子树下有多少数据,就无法通过分支进行排除。

那该怎么办呢?我们来仔细看下 B+ 树的结构,它不光有常规树的分支结构,底部还有一个由叶子节点组成链表。

显而易见,最方便最快的方式,就是用树定位到起始位置,然后直接通过叶子节点组成的链表,以 O(n) 的复杂度找到第 n 大的数据。

回到我们最初的问题,总结一下:问题的本质其实就是让 offset 找到第 n 大的数,再通过链表遍历,在数据量很大的情况下,确实会慢。

但是即使是 O(n),也不至于仅有几万数据就慢得令人发指。是不是还有其他影响因素?

③系统学习

我决定深入研究,带着问题去查找了很多资料。

这里推荐两本书,一本《MySQL 技术内幕 InnoDB 存储引擎》,通过它可以对 InnoDB 的底层机制,如 ACID、MVCC、索引实现、文件存储,有更深的理解。

第二本是《高性能 MySQL》,这本书从使用层面着手,讲得比较深入,并提到了很多设计和优化的思路,对日常工作和学习都有很大的帮助。

两本书相结合,反复领会,MySQL 就差不多能登堂入室了。

针对我们的问题,这里介绍两个相关的概念:

  • 聚簇索引:包含主键索引和对应的实际数据,索引的叶子节点就是数据节点。
  • 辅助索引:也叫二级节点,其叶子节点还是索引节点,并没有完整的数据,仅包含了索引值本身和主键 id,用主键 id 反查聚蔟索引才能获取完整数据。

如图所示,offset 会先从二级索引的链表顺序找 10000 个节点。

注意,即使这 10000 个节点会被扔掉,MySQL 也会通过二级索引上的主键 id,去聚簇索引上查一遍数据,这可是 10000 次随机 IO,自然慢成哈士奇。

大家读到这里可能会提出疑问,为什么 MySQL 会有这种行为?

这和它的优化器有关系,也算是 MySQL 的一个大坑,时至今日,也没有优化。

问题的解决

针对分页性能问题,《高性能 MySQL》中提到了两种方案,让我们一起来看看:

方案一:产品上绕过

根据业务实际需求,看能否替换为上一页、下一页的功能,这样子就可以通过和上次返回数据进行比较,搭上树分支过滤的便车。

特别在 iOS,Android 端,以前那种完全的分页是不常见的。即转换为如下 sql,第一次 last_id 传 0 即可。

  1. select * from t_record where id > last_id limit 10 

优点:

  • 能利用树的分支结构,过滤掉第 n 个数之前的数据集。
  • 直接通过主键索引查找,省略了二级索引查找过程,性能会更高。

缺点:

  • 使用场景其实是受限制的。比如,如果是针对 age 字段有条件判断,再分页,那么使用主键 id 查找就不满足需求。
  • 把主键 id 暴露出去了,这个本身不应该是业务层面关心的字段。

可以看到,该方案在我们的场景中,是不适用的。

因为我们还有 age 做过滤条件,此时用大于主键 id 的方式,虽然看起来变成顺序 IO 了,但由于是根据主键 id 排列来寻找,而不是根据需要的 age 索引,所以会导致 MySQL 去查更多的数据。

虽然不符合我们案例的需求,但还是来看看优缺点:

方案二:正面刚

这里先介绍一个概念:索引覆盖。当辅助索引查询的数据只有主键 id 和辅助索引本身,那么就不必再去查聚簇索引。

思路如下:

  1. select * from t_record id in 
  2. (select id from t_record where age > 10 offset 10000 limit 10) 

这句话是说,先从条件查询中,查找数据对应的数据库唯一 id 值,因为主键在辅助索引上就有,所以不用回归到聚簇索引的磁盘上拉取。

如此以来,offset 部分均不需要去反查聚蔟索引,只有 limit 出来的 10 个主键 id 会去查询聚簇索引,这样只会十次随机 IO。

在业务确实需要用分页的情况下,使用该方案可以大幅度提高性能。通常能满足性能要求。

优点:

  • 维持了分页需求,适用所有 limit offset 场景,大大减少随机 IO,提高了性能。
  • 二级索引上,只查找 id,传输的数据包也变小。

缺点:二级索引上还是会走下面的链表来遍历,这部分时间复杂度还是 O(n)。

方案选型

如果产品本身的需求,是分上下页,且没用其他过滤条件,可以用方案一。

方案二更具有普适性,同时由于合理分表的大小,一般也就 500w,二级索引上 O(n) 的查找损耗,通常也在可接受范围。

总结

从一个小问题,往下深究,不仅可以深入理解这个问题,在面试和工作中大放异彩,同时在探索的过程中,自身的知识储备也能得到拓展,是技术的一个提升捷径。

作者:牛牛码特

编辑:陶家龙

出处:转载自公众号牛牛码特(ID:niuniu_mart)

【编辑推荐】

  1. 鸿蒙官方战略合作共建——HarmonyOS技术社区
  2. MySQL自增主键为何不是连续的呢?
  3. MySQL Datetime 时间字段的四舍五入
  4. mySQL8数据库设计和开发
  5. 加班到2点,一不小心我把MySQL删了
  6. 学一招,利用MySQL函数实现数据脱敏
【责任编辑:武晓燕 TEL:(010)68476606】

点赞 0
分享:
大家都在看
猜你喜欢

订阅专栏+更多

视频课程+更多

MySQL数据库工程师入门培训实战教程(从MySQL5.7 到 MySQL8.0)

MySQL数据库工程师入门培训实战教程(从MySQL

讲师:风哥130757人学习过

汇编语言教程

汇编语言教程

讲师:杨大毛551人学习过

linux网络基础

linux网络基础

讲师:周玉强29243人学习过

订阅51CTO邮刊

点击这里查看样刊

订阅51CTO邮刊

51CTO服务号

51CTO官微