如何相容於 MySQL + ES + MongoDB 實現上億資料的深度分頁？

「訪談問題& 真實經驗

面試題：在資料量很大的情況下，怎麼實現深度分頁？ 大家在面試時，或是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錶建索引，這是一種很標準的正確回答，但現實總是很骨感，所以面試官通常會追問你一句，現在工期不足，人員不足，該怎麼實現深度分頁？

這時候沒有實​​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，但深度隨機跳頁絕對需要禁止。

上一張圖：

你猜，我點第142360頁，服務會不會爆炸？

像MySQL，MongoDB資料庫還好，本身就是專業的資料庫，處理的不好，最多就是慢，但如果涉及到ES，性質就不一樣了，我們只好利用SearchAfter Api，去循環取得數據，這就牽扯到記憶體佔用的問題，如果當時程式碼寫的不優雅，直接就可能導致記憶體溢出。

為什麼不能允許隨機深度跳頁

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

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，丟掉前面的10000行，返回最後的20行。如果是LIMIT 1000000 , 100，需要掃描1000100 行，在一個高並發的應用程式裡，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 跳過的項目也會隨之變大，而這個操作是透過cursor 的迭代器來實現的，對於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不是典型的資料庫，它是搜尋引擎，如果在篩選條件下沒有搜尋想要的數據，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：

• 如查詢第501頁，每頁10條，客戶端傳送請求到某節點

• 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

#查詢結果返回至該節點，然後對數據進行整合，取出前5010 條數據

回傳給客戶端

由此可以看出為什麼要限制偏移量，另外，如果使用Search After 這種捲動式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，就為了最後的20條數據，效率可想而知。

再一次和產品對線

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：時間週期，目的是為了減少資料量的展示

修改跳頁的展現方式，改為滾動顯示，或小範圍跳頁

滾動顯示參考圖：

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，篩選條件務必設定好索引

#核心：利用小範圍頁碼的已知數據，或捲動載入的已知數據，減少偏移量

額外：如果遇到不好處理的情況，也可以取得多餘的數據，進行一定的截取，效能影響並不大

#######MySQL#########原分頁SQL：###

# 第一页
SELECT * FROM `year_score` where `year` = 2017 ORDER BY id limit 0, 20;
# 第N页
SELECT * FROM `year_score` where `year` = 2017 ORDER BY id limit (N - 1) * 20, 20;

###透過上下文關係，改寫為：###

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

在 没内鬼，来点干货！SQL优化和诊断 一文中提到过，LIMIT会在满足条件下停止查询，因此该方案的扫描总量会急剧减少，效率提升Max！

ES

方案和MySQL相同，此时我们就可以随用所欲的使用 FROM-TO Api，而且不用考虑最大限制的问题。

MongoDB

方案基本类似，基本代码如下：

相关性能测试：

如果非要深度随机跳页

如果你没有杠过产品经理，又该怎么办呢，没关系，还有一丝丝的机会。

在 SQL优化 一文中还提到过MySQL深度分页的处理技巧，代码如下：

# 反例（耗时129.570s）
select * from task_result LIMIT 20000000, 10;
# 正例（耗时5.114s）
SELECT a.* FROM task_result a, (select id from task_result LIMIT 20000000, 10) b where a.id = b.id;
# 说明
# task_result表为生产环境的一个表，总数据量为3400万，id为主键，偏移量达到2000万

该方案的核心逻辑即基于聚簇索引，在不通过回表的情况下，快速拿到指定偏移量数据的主键ID，然后利用聚簇索引进行回表查询，此时总量仅为10条，效率很高。

因此我们在处理MySQL，ES，MongoDB时，也可以采用一样的办法：

• 限制获取的字段，只通过筛选条件，深度分页获取主键ID

• 通过主键ID定向查询需要的数据

瑕疵：当偏移量非常大时，耗时较长，如文中的 5s

推荐教程：《MySQL教程》

文章来源：https://juejin.im/post/5f0de4d06fb9a07e8a19a641

以上是如何相容於 MySQL + ES + MongoDB 實現上億資料的深度分頁？的詳細內容。更多資訊請關注PHP中文網其他相關文章！