上億數據怎么玩深度分頁以及是否兼容MySQL + ES + MongoDB

這篇文章將為大家詳細講解有關上億數據怎么玩深度分頁以及是否兼容MySQL + ES + MongoDB，文章內容質量較高，因此小編分享給大家做個參考，希望大家閱讀完這篇文章后對相關知識有一定的了解。

面試題 & 真實經歷

面試題：在數據量很大的情況下，怎么實現深度分頁?

大家在面試時，或者準備面試中可能會遇到上述的問題，大多的回答基本上是分庫分表建索引，這是一種很標準的正確回答，但現實總是很骨感，所以面試官一般會追問你一句，現在工期不足，人員不足，該怎么實現深度分頁?

這個時候沒有實際經驗的同學基本麻爪，So，請聽我娓娓道來。

慘痛的教訓

首先必須明確一點：深度分頁可以做，但是深度隨機跳頁絕對需要禁止。

像MySQL，MongoDB數據庫還好，本身就是專業的數據庫，處理的不好，最多就是慢，但如果涉及到ES，性質就不一樣了，我們不得不利用  SearchAfter Api，去循環獲取數據，這就牽扯到內存占用的問題，如果當時代碼寫的不優雅，直接就可能導致內存溢出。

為什么不能允許隨機深度跳頁

從技術的角度淺顯的聊一聊為什么不能允許隨機深度跳頁，或者說為什么不建議深度分頁

MySQL

分頁的基本原理：

SELECT * FROM test ORDER BY id DESC LIMIT 10000, 20;

LIMIT 10000 , 20的意思掃描滿足條件的10020行，扔掉前面的10000行，返回最后的20行。如果是LIMIT 1000000 ,  100，需要掃描1000100 行，在一個高并發的應用里，每次查詢需要掃描超過100W行，不炸才怪。

MongoDB

分頁的基本原理：

db.t_data.find().limit(5).skip(5);

同樣的，隨著頁碼的增大，skip 跳過的條目也會隨之變大，而這個操作是通過 cursor  的迭代器來實現的，對于cpu的消耗會非常明顯，當頁碼非常大時且頻繁時，必然爆炸。

ElasticSearch

從業務的角度來說，ElasticSearch不是典型的數據庫，它是一個搜索引擎，如果在篩選條件下沒有搜索出想要的數據，繼續深度分頁也不會找到想要的數據，退一步講，假如我們把ES作為數據庫來使用進行查詢，在進行分頁的時候一定會遇到max_result_window的限制，看到沒，官方都告訴你最大偏移量限制是一萬。

查詢流程：

1. 鴻蒙官方戰略合作共建——HarmonyOS技術社區

2. 如查詢第501頁，每頁10條，客戶端發送請求到某節點

3. 此節點將數據廣播到各個分片，各分片各自查詢前 5010 條數據

4. 查詢結果返回至該節點，然后對數據進行整合，取出前 5010 條數據

5. 返回給客戶端

由此可以看出為什么要限制偏移量，另外，如果使用 Search After  這種滾動式API進行深度跳頁查詢，也是一樣需要每次滾動幾千條，可能一共需要滾動上百萬，千萬條數據，就為了最后的20條數據，效率可想而知。

再次和產品對線

俗話說的好，技術解決不了的問題，就由業務來解決!

在實習的時候信了產品的邪，必須實現深度分頁 + 跳頁，如今必須撥亂反正，業務上必須有如下更改：

• 盡可能的增加默認的篩選條件，如：時間周期，目的是為了減少數據量的展示

• 修改跳頁的展現方式，改為滾動顯示，或小范圍跳頁

小規模跳頁參考圖：

通用解決方案

短時間內快速解決的方案主要是以下幾點：

• 必備：對排序字段，篩選條件務必設置好索引

• 核心：利用小范圍頁碼的已知數據，或者滾動加載的已知數據，減少偏移量

• 額外：如果遇到不好處理的情況，也可以獲取多余的數據，進行一定的截取，性能影響并不大

MySQL

原分頁SQL：

# 第一頁 SELECT * FROM `year_score` where `year` = 2017 ORDER BY id limit 0, 20;  # 第N頁 SELECT * FROM `year_score` where `year` = 2017 ORDER BY id limit (N - 1) * 20, 20;

通過上下文關系，改寫為：

# XXXX 代表已知的數據 SELECT * FROM `year_score` where `year` = 2017 and id > XXXX ORDER BY id limit 20;

在 沒內鬼，來點干貨!SQL優化和診斷 一文中提到過，LIMIT會在滿足條件下停止查詢，因此該方案的掃描總量會急劇減少，效率提升Max!

ES

方案和MySQL相同，此時我們就可以隨用所欲的使用 FROM-TO Api，而且不用考慮最大限制的問題。

MongoDB

方案基本類似，基本代碼如下：

相關性能測試：

如果非要深度隨機跳頁

如果你沒有杠過產品經理，又該怎么辦呢，沒關系，還有一絲絲的機會。

在 SQL優化 一文中還提到過MySQL深度分頁的處理技巧，代碼如下：

# 反例（耗時129.570s） select * from task_result LIMIT 20000000, 10;  # 正例（耗時5.114s） SELECT a.* FROM task_result a, (select id from task_result LIMIT 20000000, 10) b where a.id = b.id;  # 說明 # task_result表為生產環境的一個表，總數據量為3400萬，id為主鍵，偏移量達到2000萬

該方案的核心邏輯即基于聚簇索引，在不通過回表的情況下，快速拿到指定偏移量數據的主鍵ID，然后利用聚簇索引進行回表查詢，此時總量僅為10條，效率很高。

因此我們在處理MySQL，ES，MongoDB時，也可以采用一樣的辦法：

1. 限制獲取的字段，只通過篩選條件，深度分頁獲取主鍵ID

2. 通過主鍵ID定向查詢需要的數據

瑕疵：當偏移量非常大時，耗時較長，如文中的 5s

關于上億數據怎么玩深度分頁以及是否兼容MySQL + ES + MongoDB就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。