以下的文章主要是对MySQL limit查询优化的具体内容的介绍，我们大家都知道MySQL数据库的优化是相当重要的。其他最为常用也是最为需要优化的就是limit。MySQL的limit给分页带来了极大的方便，但数据量一大的时候，limit的性能就急剧下降。
同样是取10条数据
- select * from yanxue8_visit limit 10000,10
- select * from yanxue8_visit limit 0,10
就不是一个数量级别的。
网上也很多关于limit的五条优化准则，都是翻译自MySQL手册，虽然正确但不实用。今天发现一篇文章写了些关于limit优化的，很不错。
文中不是直接使用limit，而是首先获取到offset的id然后直接使用limit size来获取数据。根据他的数据，明显要好于直接使用limit。这里我具体使用数据分两种情况进行测试。(测试环境win2033+p4双核 (3GHZ) +4G内存MySQLlimit查询)
1、offset比较小的时候
- 1.select * from yanxue8_visit limit 10,10
多次运行，时间保持在0.0004-0.0005之间
- Select * From yanxue8_visit Where vid ＞=(
- Select vid From yanxue8_visit Order By vid limit 10,1 ) limit 10
多次运行，时间保持在0.0005-0.0006之间，主要是0.0006
结论：偏移offset较小的时候，直接使用limit较优。这个显然是子查询的原因。
2、offset大的时候
- select * from yanxue8_visit limit 10000,10
多次运行，时间保持在0.0187左右
- Select * From yanxue8_visit Where vid ＞=(
- Select vid From yanxue8_visit Order By vid limit 10000,1 ) limit 10
多次运行，时间保持在0.0061左右，只有前者的1/3。可以预计offset越大，后者越优。
实验下
- mysql> set profiling=1;
- Query OK, 0 rows affected (0.00 sec)
-
- mysql> select count(*) from Member;
- +----------+
- | count(*) |
- +----------+
- | 169566 |
- +----------+
- 1 row in set (0.00 sec)
-
- mysql> pager grep !~-
- PAGER set to 'grep !~-'
-
- mysql> select * from Member limit 10, 100;
- 100 rows in set (0.00 sec)
-
- mysql> select * from Member where MemberID >= (select MemberID from Member limit 10,1) limit 100;
- 100 rows in set (0.00 sec)
-
- mysql> select * from Member limit 1000, 100;
- 100 rows in set (0.01 sec)
-
- mysql> select * from Member where MemberID >= (select MemberID from Member limit 1000,1) limit 100;
- 100 rows in set (0.00 sec)
-
- mysql> select * from Member limit 100000, 100;
- 100 rows in set (0.10 sec)
-
- mysql> select * from Member where MemberID >= (select MemberID from Member limit 100000,1) limit 100;
- 100 rows in set (0.02 sec)
-
- mysql> nopager
- PAGER set to stdout
-
-
- mysql> show profiles\G
- *************************** 1. row ***************************
- Query_ID: 1
- Duration: 0.00003300
- Query: select count(*) from Member
-
- *************************** 2. row ***************************
- Query_ID: 2
- Duration: 0.00167000
- Query: select * from Member limit 10, 100
- *************************** 3. row ***************************
- Query_ID: 3
- Duration: 0.00112400
- Query: select * from Member where MemberID >= (select MemberID from Member limit 10,1) limit 100
-
- *************************** 4. row ***************************
- Query_ID: 4
- Duration: 0.00263200
- Query: select * from Member limit 1000, 100
- *************************** 5. row ***************************
- Query_ID: 5
- Duration: 0.00134000
- Query: select * from Member where MemberID >= (select MemberID from Member limit 1000,1) limit 100
-
- *************************** 6. row ***************************
- Query_ID: 6
- Duration: 0.09956700
- Query: select * from Member limit 100000, 100
- *************************** 7. row ***************************
- Query_ID: 7
- Duration: 0.02447700
- Query: select * from Member where MemberID >= (select MemberID from Member limit 100000,1) limit 100
从结果中可以得知，当偏移1000以上使用子查询法可以有效的提高性能。
2.倒排表优化法
倒排表法类似建立索引，用一张表来维护页数，然后通过高效的连接得到数据
缺点：只适合数据数固定的情况，数据不能删除，维护页表困难
具体请看，
3.反向查找优化法 当偏移超过一半记录数的时候，先用排序，这样偏移就反转了
缺点：order by优化比较麻烦，要增加索引，索引影响数据的修改效率，并且要知道总记录数
，偏移大于数据的一半
limit偏移算法：
正向查找： (当前页 - 1) * 页长度
反向查找： 总记录 - 当前页 * 页长度
做下实验，看看性能如何
总记录数：1,628,775
每页记录数： 40
总页数：1,628,775 / 40 = 40720
中间页数：40720 / 2 = 20360
第21000页
正向查找SQL:
- SELECT * FROM `abc` WHERE `BatchID` = 123 LIMIT 839960, 40
时间：1.8696 秒
反向查找sql:
- SELECT * FROM `abc` WHERE `BatchID` = 123 ORDER BY InputDate DESC LIMIT 788775, 40
时间：1.8336 秒
第30000页
正向查找SQL:
- SELECT * FROM `abc` WHERE `BatchID` = 123 LIMIT 1199960, 40
时间：2.6493 秒
反向查找sql:
- SELECT * FROM `abc` WHERE `BatchID` = 123 ORDER BY InputDate DESC LIMIT 428775, 40
时间：1.0035 秒
注意，反向查找的结果是是降序desc的，并且InputDate是记录的插入时间，也可以用主键联合索引，但是不方便。
4.limit限制优化法 把limit偏移量限制低于某个数。。超过这个数等于没数据，我记得alibaba的dba说过他们是这样做的
5.只查索引法 总结：limit的优化限制都比较多，所以实际情况用或者不用只能具体情况具体分析了。页数那么后，基本很少人看的。。。