mysq llimit 优化100万数据

本文探讨了MySQL在处理大量数据时的分页性能问题,通过复合索引和特定查询技巧实现了高效分页。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

MySql 这个数据库绝对是适合dba级的高手去玩的,一般做一点1万篇新闻的小型系统怎么写都可以,用xx框架可以实现快速开发。可是数据量到了10万,百万至千万,他的性能还能那么高吗?一点小小的失误,可能造成整个系统的改写,甚至更本系统无法正常运行!好了,不那么多废话了。用事实说话,看例子: 

 

数据表 collect ( id, title ,info ,vtype) 就这4个字段,其中 title 用定长,info 用text, id 

是逐渐,vtype是tinyint,vtype是索引。这是一个基本的新闻系统的简单模型。现在往里面填充数据,填充10万篇新闻。 

 

最后collect 为 10万条记录,数据库表占用硬盘1.6G。OK ,看下面这条sql语句: 

 

select id,title from collect limit 1000,10; 很快;基本上0.01秒就OK,再看下面的 

 

select id,title from collect limit 90000,10; 从9万条开始分页,结果? 

 

8-9秒完成,my god 哪出问题了????其实要优化这条数据,网上找得到答案。看下面一条语句: 

 

select id from collect order by id limit 90000,10; 很快,0.04秒就OK。 

为什么?因为用了id主键做索引当然快。网上的改法是: 

 

select id,title from collect where id>=(select id from collect order by id limit 90000,1) limit 10; 

 

这就是用了id做索引的结果。可是问题复杂那么一点点,就完了。看下面的语句 

 

select id from collect where vtype=1 order by id limit 90000,10; 

很慢,用了8-9秒! 

 

到了这里我相信很多人会和我一样,有崩溃感觉!vtype 做了索引了啊?怎么会慢呢?vtype做了索引是不错,你直接

 

select id from collect where vtype=1 limit 1000,10; 

 

是很快的,基本上0.05秒,可是提高90倍,从9万开始,那就是0.05*90=4.5秒的速度了。和测试结果8-9秒到了一个数量级。从这里开始有人提出了分表的思路,这个和discuz 

论坛是一样的思路。思路如下: 

 

建一个索引表: t (id,title,vtype) 并设置成定长,然后做分页,分页出结果再到 collect 里面去找info 。 

是否可行呢?实验下就知道了。 

 

10万条记录到 t(id,title,vtype) 里,数据表大小20M左右。用 

 

select id from t where vtype=1 order by id limit 90000,10; 

 

很快了。基本上0.1-0.2秒可以跑完。为什么会这样呢?我猜想是因为collect 数据太多,所以分页要跑很长的路。limit 

完全和数据表的大小有关的。其实这样做还是全表扫描,只是因为数据量小,只有10万才快。OK, 来个疯狂的实验,加到100万条,测试性能。 

 

加了10倍的数据,马上t表就到了200多M,而且是定长。还是刚才的查询语句,时间是0.1-0.2秒完成!分表性能没问题?错!因为我们的limit还是9万,所以快。给个大的,90万开始 

 

select id from t where vtype=1 order by id limit 900000,10; 看看结果,时间是1-2秒! 

 

why ?? 分表了时间还是这么长,非常之郁闷!有人说定长会提高limit的性能,开始我也以为,因为一条记录的长度是固定的,mysql 

应该可以算出90万的位置才对啊? 可是我们高估了mysql 的智能,他不是商务数据库,事实证明定长和非定长对limit影响不大? 怪不得有人说 

discuz到了100万条记录就会很慢,我相信这是真的,这个和数据库设计有关! 

难道MySQL 无法突破100万的限制吗???到了100万的分页就真的到了极限???

 

答案是: NO !!!! 

为什么突破不了100万是因为不会设计mysql造成的。下面介绍非分表法,来个疯狂的测试!一张表搞定100万记录,并且10G 

数据库,如何快速分页!

 

好了,我们的测试又回到 collect表,开始测试结论是: 

30万数据,用分表法可行,超过30万他的速度会慢道你无法忍受!当然如果用分表+我这种方法,那是绝对完美的。但是用了我这种方法后,不用分表也可以完美解决!

 

答案就是:复合索引! 有一次设计mysql索引的时候,无意中发现索引名字可以任取,可以选择几个字段进来,这有什么用呢?开始的select id from 

collect order by id limit 90000,10; 这么快就是因为走了索引,可是如果加了where 就不走索引了。抱着试试看的想法加了 

search(vtype,id) 这样的索引。然后测试

select id from collect where vtype=1 limit 90000,10; 非常快!0.04秒完成!

再测试: select id ,title from collect where vtype=1 limit 90000,10; 

非常遗憾,8-9秒,没走search索引!

 

再测试:search(id,vtype),还是select id 这个语句,也非常遗憾,0.5秒。

综上:如果对于有where 条件,又想走索引用limit的,必须设计一个索引,将where 

放第一位,limit用到的主键放第2位,而且只能select 主键!

完美解决了分页问题了。可以快速返回id就有希望优化limit , 按这样的逻辑,百万级的limit 应该在0.0x秒就可以分完。看来mysql 

语句的优化和索引时非常重要的!

好了,回到原题,如何将上面的研究成功快速应用于开发呢?如果用复合查询,我的轻量级框架就没的用了。分页字符串还得自己写,那多麻烦?这里再看一个例子,思路就出来了:

select * from collect where id in (9000,12,50,7000); 竟然 0秒就可以查完!

mygod ,mysql 的索引竟然对于in语句同样有效!看来网上说in无法用索引是错误的!

有了这个结论,就可以很简单的应用于轻量级框架了:

 

 

 

 

其实思路很简单:1)通过优化索引,找出id,并拼成 "123,90000,12000" 这样的字符串。2)第2次查询找出结果。 

小小的索引+一点点的改动就使mysql 可以支持百万甚至千万级的高效分页! 

通过这里的例子,我反思了一点:对于大型系统,PHP千万不能用框架,尤其是那种连sql语句都看不到的框架!因为开始对于我的轻量级框架都差点崩溃!只适合小型应用的快速开发,对于ERP,OA,大型网站,数据层包括逻辑层的东西都不能用框架。如果程序员失去了对sql语句的把控,那项目的风险将会成几何级数增加!尤其是用mysql 

的时候,mysql 一定需要专业的dba 才可以发挥他的最佳性能。一个索引所造成的性能差别可能是上千倍! 

PS: 

经过实际测试,到了100万的数据,160万数据,15G表,190M索引,就算走索引,limit都得0.49秒。所以分页最好别让别人看到10万条以后的数据,要不然会很慢!就算用索引。经过这样的优化,mysql到了百万级分页是个极限!但有这样的成绩已经很不错,如果你是用sqlserver肯定卡死!而160万的数据用 

id in (str) 很快,基本还是0秒。如果这样,千万级的数据,mysql应该也很容易应付。


<think>我们之前讨论过,使用pymysql连接MySQL数据库时,连接字符串的格式为:`mysql+pymysql://<user>:<password>@<host>/<dbname>`但是用户提供的代码中使用了`db_manager=DatabaseManager("database.db")`,这里传入的是"database.db",这实际上是一个SQLite数据库的文件名。这暗示了以下几点:1.用户可能混淆了SQLite和MySQL的连接方式。在SQLite中,我们通常直接指定数据库文件的路径(如"database.db"),而在MySQL中我们需要一个完整的连接字符串(包括用户名、密码、主机、端口和数据库名)。2.如果用户确实想连接MySQL,那么这里的"database.db"应该替换为一个符合上述格式的字符串。例如:"mysql+pymysql://username:password@localhost:3306/database_name"3.但是,如果用户使用的是某个封装好的`DatabaseManager`类,这个类可能同时支持SQLite和MySQL,那么它可能会根据传入的字符串自动判断数据库类型。比如:-如果传入的是以"sqlite:///"开头的字符串,则连接SQLite-如果传入的是以"mysql+pymysql://"开头的字符串,则连接MySQL因此,用户需要明确:-他们想要连接的是MySQL还是SQLite?-如果连接MySQL,那么需要提供正确的连接字符串。关于LIMIT关键字:在MySQL中,LIMIT子句用于限制查询结果返回的行数。它有两种常见用法:1.指定返回的行数:`LIMITn`2.指定从第m行开始(0开始),返回n行:`LIMITm,n`或者`LIMITnOFFSETm`例如:-获取前10条记录:`SELECT*FROMtableLIMIT10`-获取从第11条记录开始的10条记录:`SELECT*FROMtableLIMIT10OFFSET10`或`SELECT*FROMtableLIMIT10,10`(注意:在LIMITm,n中,m是偏移量,n是行数)需要注意的是,在MySQL中,LIMIT子句通常与ORDERBY子句一起使用,以确保结果顺序是确定的。现在,我们来组织回答:首先,针对`DatabaseManager`初始化参数的问题:-解释两种数据库连接字符串的区别-提供MySQL连接字符串的示例然后,针对LIMIT关键字的用法:-解释基本语法-提供示例最后,生成相关问题。</think> ### 🎯 PyMySQL 初始化参数详解 #### 1. DatabaseManager 初始化参数 `database.db` 在使用 PyMySQL 连接 MySQL 数据库时,`DatabaseManager("database.db")` 中的 `"database.db"` **不是有效的连接参数格式**。正确格式应为完整的连接字符串: ```python # 正确格式示例 (包含所有必要参数) db_url = "mysql+pymysql://用户名:密码@主机地址:端口号/数据库名" db_manager = DatabaseManager(db_url) ``` 其中 `"database.db"` 常见于 SQLite 连接,但在 MySQL 连接中需要替换为以下格式: ``` mysql+pymysql://<username>:<password>@<host>/<database> ``` 例如: ```python # 连接到本地 test_db 数据库 db_manager = DatabaseManager("mysql+pymysql://root:mypassword@localhost/test_db") ``` #### 2. MySQL LIMIT 关键字用法 LIMIT 子句用于限制查询结果集的数量,语法规则: ```sql SELECT 列名 FROM 表名 WHERE 条件 LIMIT [偏移量], 行数; ``` **核心使用场景:** | 语法格式 | 示例 | 说明 | |---------|------|------| | `LIMIT n` | `SELECT * FROM users LIMIT 5;` | 返回前 5 条记录 | | `LIMIT m, n` | `SELECT * FROM users LIMIT 10, 5;` | 跳过前10条,返回接下来的5条 | | `LIMIT n OFFSET m` | `SELECT * FROM users LIMIT 5 OFFSET 10;` | 语义同上(推荐格式) | **使用注意事项:** 1. 分页查询示例: ```sql -- 每页10条数据,获取第3页 (页码从0开始) SELECT * FROM products ORDER BY create_time DESC LIMIT 10 OFFSET 20; ``` $$ \text{偏移量} = (\text{页码} - 1) \times \text{每页数量} $$ 2. 性能优化:大数据表分页时需配合索引使用 3. 在聚合函数中的应用: ```sql SELECT department, AVG(salary) FROM employees GROUP BY department LIMIT 3; ``` 4. 事务安全:确保使用 `ORDER BY` 保证结果确定性: ```sql SELECT * FROM orders WHERE status = 'pending' ORDER BY create_time -- 必要! LIMIT 100; ``` ### 💡 最佳实践建议 1. 连接安全配置: ```python # 带SSL加密的连接 ssl = {'ca': '/path/to/ca.pem'} url = "mysql+pymysql://user:pass@host/db?ssl_ca=/path/to/ca.pem" ``` 2. LIMIT 性能优化: - 大数据分页采用 `WHERE id > last_id` 代替 `LIMIT offset, n`[^1] - 复杂查询分页使用物化视图
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值