有信仰 发表于 2024-2-1 11:05:47

面试官:Mysql千万级大表如何进行深度分页优化?

背景

假如有一张千万级的订单表,这张表没有采用分区分表,也没有使用ES等技术,分页查询进行到一定深度分页之后(比如1000万行后)查询比较缓慢,我们该如何进行优化?
数据准备

订单表结构如下:
CREATE TABLE `t_order` (
    `id` BIGINT ( 20 ) UNSIGNED NOT NULL AUTO_INCREMENT COMMENT '自增主键',
    `order_no` VARCHAR ( 16 ) NOT NULL DEFAULT '' COMMENT '订单编号',
    `customer_no` VARCHAR ( 16 ) NOT NULL DEFAULT '' COMMENT '客户编号',
    `order_status` TINYINT ( 4 ) NOT NULL DEFAULT 0 COMMENT '订单状态',
    `warehouse_code` VARCHAR ( 16 ) NOT NULL DEFAULT '' COMMENT '发货地仓库编码',
    `country` VARCHAR ( 16 ) NOT NULL DEFAULT '' COMMENT '收货人国家',
    `state` VARCHAR ( 32 ) NOT NULL DEFAULT '' COMMENT '收货人州',
    `city` VARCHAR ( 32 ) NOT NULL DEFAULT '' COMMENT '收货人城市',
    `street` VARCHAR ( 256 ) NOT NULL DEFAULT '' COMMENT '收货人街道',
    `zip_code` VARCHAR ( 32 ) NOT NULL DEFAULT '' COMMENT '收货人邮编',
    `contact_email` VARCHAR ( 128 ) NOT NULL DEFAULT '' COMMENT '收货人邮箱',
    `contact_name` VARCHAR ( 32 ) NOT NULL DEFAULT '' COMMENT '收货人姓名',
    `contact_mobile` VARCHAR ( 32 ) NOT NULL DEFAULT '' COMMENT '收货人手机号',
    `create_time` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '创建时间',
    `update_time` datetime NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '更新时间',
    `deleted` TINYINT ( 2 ) NOT NULL DEFAULT 0 COMMENT '是否已被删除',
    PRIMARY KEY ( `id` ),
    KEY `idx_customer` ( `customer_no`, `deleted` ),
    KEY `idx_create_time` ( `create_time`, `deleted` )
) ENGINE = INNODB AUTO_INCREMENT = 1 DEFAULT CHARSET = utf8mb4 COMMENT = '销售订单表';其中Mysql版本为8.0。我们使用Python脚本向表中插入2000万条数据。
import pymysql
from faker import Faker
import random
from datetime import datetime
from concurrent.futures import ThreadPoolExecutor

# MySQL 连接配置
db_config = {
   'host': 'your_database_host',
   'user': 'your_database_user',
   'password': 'your_database_password',
   'database': 'your_database_name'
}

# 创建 MySQL 连接
conn = pymysql.connect(**db_config)
cursor = conn.cursor()

# 使用 Faker 生成模拟数据
fake = Faker()

# 获取国家下发货仓库编码
def generate_warehousecode(country):
    if country == "US":
      return "US-"+random.choice(["WEST", "EAST", "MIDDLE", "SOUTH", "NORTH"])+"-0" + str(random.choice())
    else:
      return country + "00" + str(random.choice())

# 插入 t_order 表数据(多线程并发,每个线程插入1万条,共2000个线程)
def insert_data_thread(thread_id):
    # 创建 MySQL 连接
    conn = pymysql.connect(**db_config)
    cursor = conn.cursor()

    order_data = []
    for _ in range(10000):
      order_no = "OC"+ fake.uuid4()[:12]# 取前16位
      customer_no = fake.uuid4()[:16]
      order_status = random.choice()
      country = random.choice(
            ["CA", "US", "MX", "JP", "UK", "TR", "DE", "ES", "FR", "IT", "NL", "PL", "SE", "BR", "CN"])
      warehouse_code = generate_warehousecode(country)
      state = fake.uuid4()[:16]
      city = fake.uuid4()[:16]
      street = fake.uuid4()
      zip_code = fake.uuid4()[:6]
      contact_email = fake.email()
      contact_name = fake.name()
      contact_mobile = fake.phone_number()
      create_time = fake.date_time_between(start_date=datetime(2019, 1, 1), end_date=datetime.now())
      update_time = create_time
      deleted = 0# 默认未删除

      cursor.execute("""
            INSERT INTO t_order (                order_no, customer_no, order_status, warehouse_code, country,                state, city, street, zip_code, contact_email, contact_name,                contact_mobile, create_time, update_time, deleted            )            VALUES (%s, %s, %s, %s, %s, %s, %s, %s, %s, %s, %s, %s, %s, %s, %s)      """, (order_no, customer_no, order_status, warehouse_code, country,
            state, city, street, zip_code, contact_email, contact_name,
            contact_mobile, create_time, update_time, deleted))

      order_data.append((cursor.lastrowid, order_no, customer_no, create_time))# 保存插入的行的 ID
    # 提交 t_order 数据插入
    conn.commit()
    print(thread_id+ "已经跑完10000条数据。。。。。。。。。")
    # 关闭数据库连接
    cursor.close()
    conn.close()

# 使用 ThreadPoolExecutor 并发插入
with ThreadPoolExecutor(max_workers=10) as executor:# 可以根据需要调整最大线程数
    executor.map(insert_data_thread, range(500))
问题复现

导出数据时我们需要按照时间倒序。所以我们先执行以下sql查询前100条
select * FROM t_order ORDER BY create_time desc LIMIT 100;共花费210ms。执行计划如下:

然后我们继续执行sql,我们从第100万行开始取100条数据:
select * FROM t_order ORDER BY create_time desc LIMIT 1000000,100;此时耗时3分2秒,耗时明显增加。执行计划如下:


由执行计划看,此时索引已经失效了。。。。
我们继续执行sql,从第1000万行开始取100条数据:
select * FROM t_order ORDER BY create_time desc LIMIT 10000000,100;此时耗时4分14秒,时间真是太长了,执行计划如下:


后面还有接近1000万条数据没有取出来,直接就废了。
原因分析

当我们使用 LIMIT offset, count 查询语句进行深度分页查询时,例如 LIMIT 10000000,100 ,会发生以下过程:

[*]MySQL首先会根据给定条件从相应的索引树中查找m+n条记录。对于聚集索引来说,它直接找到需要的结果即丢弃前offset条数据,返回count条数据并返回;而对于二级索引,则可能涉及回表操作。
[*]如果使用的是二级索引,在查到m+n条记录后还需要通过这些记录所关联的主键ID去聚集索引里再次搜索出完整的行数据,然后再丢弃掉前offset条数据,返回count条数据。因此在这个过程中可能会产生大量的“回表”操作,这将导致性能下降。
我们借助B+ Tree Visualization演示一下这张表的索引结构:

[*]聚集索引(主键ID)


[*]二级索引(idx_create_time)

以上述例子来说,当我们查询LIMIT 10000000,100时,它会先从二级索引中查询10000000+100条记录对应的ID,然后再用这些记录的ID去聚集索引中查询ID对应的记录,然后舍弃掉前10000000条数据,返回后100条数据。
所以当offset+count量很大时,Mysql的执行器认为全表扫描的性能更由于使用索引,所以也导致索引失效。所以我们要做的尽可能的减少回表的记录数量。
解决方案

使用子查询

我们改造sql,通过一个子查询按照create_time倒排,获取第offset + 1条记录的最新的create_time,create_time直接从二级索引上可以获取,不会进行回表,然后我们再根据这个create_time传递到主查询时,取100条数据,即回表数据也仅仅只有count条即100条数据,大大减少了回表的记录数量。
SELECT * FROM t_orderWHERE create_time
页: [1]
查看完整版本: 面试官:Mysql千万级大表如何进行深度分页优化?