千万级大表，如何做分页查询？

rainman

2026 年 06 月 06 日

51 次浏览

暂无评论

3540字数

性能优化

前言

在我们的日常开发中，经常会遇到分页查询接口的性能问题。

该接口访问前面几页很快，越往后翻页，接口返回速度越慢。

今天跟大家一起聊聊千万级大表如何高效的做分页查询，希望对你会有所帮助。

1.千万级大表分页为什么性能差？

核心痛点：当千万级别的订单大表需要查询limit 9999990,10时：

SELECT * FROM orders 
ORDER BY create_time DESC 
LIMIT 9999990,10;

在分库分表环境下：

每个分片需扫描前9999990条
归并节点需处理分片数 × 1000万数据
内存溢出风险高达90%

真实案例：某电商订单查询事故

在128分片的订单表上执行深度分页，实际扫描了128 × 1000万 = 12.8亿行数据，导致数据库集群OOM！

2.深分页的常见解决方案

方案1：游标分页（最优解）

原理：基于有序字段的连续分页

public PageResult<Order> queryOrders(String lastCursor, int size) {
    if (lastCursor == null) {
        return orderDao.firstPage(size);
    }
    return orderDao.nextPage(lastCursor, size);
}

SQL优化：

/* 首次查询 */
SELECT * FROM orders 
ORDERBYidDESC
LIMIT10;

/* 后续查询 */
SELECT * FROM orders 
WHEREid < ?lastId 
ORDERBYidDESC
LIMIT10;

性能对比：

方案2：覆盖索引+延迟关联

适用场景：需要跳页的非连续查询

三步优化法：

SQL实现：

/* 传统写法（全表扫描） */
SELECT * FROM orders ORDERBY create_time DESCLIMIT9999990,10;

/* 优化写法 */
SELECT * FROM orders 
WHEREidIN (
    SELECTidFROM orders 
    ORDERBY create_time DESC
    LIMIT9999990,10-- 仅扫描索引
);

执行计划对比：

方案3：全局二级索引

架构设计：

Java实现：

public List<Order> queryByPage(int page, int size) {
    // 1. 查询全局索引
    PositionRange range = indexService.locate(page, size);
    
    // 2. 分片并行查询
    Map<ShardKey, Future<List<Order>>> futures = new HashMap<>();
    for (Shard shard : shards) {
        futures.put(shard.key, executor.submit(() -> 
            shard.query(range.startId, range.endId)
        );
    }
    
    // 3. 结果归并
    List<Order> result = new ArrayList<>();
    for (Future<List<Order>> future : futures.values()) {
        result.addAll(future.get());
    }
    return result;
}

方案4：基因分片法

解决分页字段与分片键不一致问题：

// 订单ID注入用户基因
long userId = 123456;
long orderId = (userId % 1024) << 54 | snowflake.nextId();

查询优化：

SELECT * FROM orders 
WHERE user_id = 123456 
ORDER BY create_time DESC 
LIMIT 9999990,10;

通过user_id路由到同一分片，避免跨分片查询

方案5：冷热分离 + ES同步

架构设计：

查询示例：

SearchRequest request = new SearchRequest("orders_index");
request.source().sort(SortBuilders.fieldSort("create_time").order(SortOrder.DESC));
request.source().from(9999990).size(10); 
SearchResponse response = client.search(request, RequestOptions.DEFAULT);

ES分页原理：通过search_after实现深度分页

"search_after": [lastOrderId, lastCreateTime]

方案6：业务折衷方案

1. 最大页数限制

public PageResult query(int page, int size) {
    if (page > MAX_PAGE) {
        throw new BusinessException("最多查询前" + MAX_PAGE + "页");
    }
    // ...
}

2. 跳页转搜索

3.如何做性能优化？

3.1 索引设计黄金法则

3.2 分页查询检查清单

public void validateQuery(PageQuery query) {
    if (query.getPage() > 1000 && !query.isAdmin()) {
        throw new PermissionException("非管理员禁止深度分页");
    }
    
    if (query.getSize() > 100) {
        query.setSize(100); // 强制限制每页数量
    }
}

3.3 分页监控指标

3.4 性能压测对比

测试环境：阿里云 PolarDB-X 32核128GB × 8节点

总结

单体阶段

limit offset, size + 索引优化

分库分表初期

游标分页 + 最大页数限制

百万级数据

二级索引归并 + 异步构建

千万级数据

ES/Canal准实时搜索

亿级高并发

分布式游标服务 + 状态持久化