|
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';
复制代码 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([1, 2, 3, 4, 5]))
- else:
- return country + "00" + str(random.choice([1, 2, 3, 4, 5]))
- # 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([1, 2, 3, 4, 5])
- 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))
复制代码
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;
复制代码 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;
复制代码 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;
复制代码 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:
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。
[code]SELECT * FROM t_order WHERE create_time |
本帖子中包含更多资源
您需要 登录 才可以下载或查看,没有账号?立即注册
x
|