[[337610]]

面試題 & 真實(shí)經(jīng)歷

面試題：在數(shù)據(jù)量很大的情況下，怎么實(shí)現(xiàn)深度分頁?

大家在面試時(shí)，或者準(zhǔn)備面試中可能會(huì)遇到上述的問題，大多的回答基本上是分庫分表建索引，這是一種很標(biāo)準(zhǔn)的正確回答，但現(xiàn)實(shí)總是很骨感，所以面試官一般會(huì)追問你一句，現(xiàn)在工期不足，人員不足，該怎么實(shí)現(xiàn)深度分頁?

這個(gè)時(shí)候沒有實(shí)際經(jīng)驗(yàn)的同學(xué)基本麻爪，So，請聽我娓娓道來。

慘痛的教訓(xùn)

首先必須明確一點(diǎn)：深度分頁可以做，但是深度隨機(jī)跳頁絕對需要禁止。

上一張圖：

你們猜，我點(diǎn)一下第142360頁，服務(wù)會(huì)不會(huì)爆炸?

像MySQL，MongoDB數(shù)據(jù)庫還好，本身就是專業(yè)的數(shù)據(jù)庫，處理的不好，最多就是慢，但如果涉及到ES，性質(zhì)就不一樣了，我們不得不利用 SearchAfter Api，去循環(huán)獲取數(shù)據(jù)，這就牽扯到內(nèi)存占用的問題，如果當(dāng)時(shí)代碼寫的不優(yōu)雅，直接就可能導(dǎo)致內(nèi)存溢出。

為什么不能允許隨機(jī)深度跳頁

從技術(shù)的角度淺顯的聊一聊為什么不能允許隨機(jī)深度跳頁，或者說為什么不建議深度分頁

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，扔掉前面的10000行，返回最后的20行。如果是LIMIT 1000000 , 100，需要掃描1000100 行，在一個(gè)高并發(fā)的應(yīng)用里，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 跳過的條目也會(huì)隨之變大，而這個(gè)操作是通過 cursor 的迭代器來實(shí)現(xiàn)的，對于cpu的消耗會(huì)非常明顯，當(dāng)頁碼非常大時(shí)且頻繁時(shí)，必然爆炸。

ElasticSearch

從業(yè)務(wù)的角度來說，ElasticSearch不是典型的數(shù)據(jù)庫，它是一個(gè)搜索引擎，如果在篩選條件下沒有搜索出想要的數(shù)據(jù)，繼續(xù)深度分頁也不會(huì)找到想要的數(shù)據(jù)，退一步講，假如我們把ES作為數(shù)據(jù)庫來使用進(jìn)行查詢，在進(jìn)行分頁的時(shí)候一定會(huì)遇到max_result_window的限制，看到?jīng)]，官方都告訴你最大偏移量限制是一萬。

查詢流程：

1. 如查詢第501頁，每頁10條，客戶端發(fā)送請求到某節(jié)點(diǎn)
2. 此節(jié)點(diǎn)將數(shù)據(jù)廣播到各個(gè)分片，各分片各自查詢前 5010 條數(shù)據(jù)
3. 查詢結(jié)果返回至該節(jié)點(diǎn)，然后對數(shù)據(jù)進(jìn)行整合，取出前 5010 條數(shù)據(jù)
4. 返回給客戶端

由此可以看出為什么要限制偏移量，另外，如果使用 Search After 這種滾動(dòng)式API進(jìn)行深度跳頁查詢，也是一樣需要每次滾動(dòng)幾千條，可能一共需要滾動(dòng)上百萬，千萬條數(shù)據(jù)，就為了最后的20條數(shù)據(jù)，效率可想而知。

再次和產(chǎn)品對線

俗話說的好，技術(shù)解決不了的問題，就由業(yè)務(wù)來解決!

在實(shí)習(xí)的時(shí)候信了產(chǎn)品的邪，必須實(shí)現(xiàn)深度分頁 + 跳頁，如今必須撥亂反正，業(yè)務(wù)上必須有如下更改：

• 盡可能的增加默認(rèn)的篩選條件，如：時(shí)間周期，目的是為了減少數(shù)據(jù)量的展示
• 修改跳頁的展現(xiàn)方式，改為滾動(dòng)顯示，或小范圍跳頁

滾動(dòng)顯示參考圖：

小規(guī)模跳頁參考圖：

通用解決方案

短時(shí)間內(nèi)快速解決的方案主要是以下幾點(diǎn)：

• 必備：對排序字段，篩選條件務(wù)必設(shè)置好索引
• 核心：利用小范圍頁碼的已知數(shù)據(jù)，或者滾動(dòng)加載的已知數(shù)據(jù)，減少偏移量
• 額外：如果遇到不好處理的情況，也可以獲取多余的數(shù)據(jù)，進(jìn)行一定的截取，性能影響并不大

MySQL

原分頁SQL：

# 第一頁 
SELECT * FROM `year_score` where `year` = 2017 ORDER BY id limit 0, 20; 
 
# 第N頁 
SELECT * FROM `year_score` where `year` = 2017 ORDER BY id limit (N - 1) * 20, 20; 

通過上下文關(guān)系，改寫為：

# XXXX 代表已知的數(shù)據(jù) 
SELECT * FROM `year_score` where `year` = 2017 and id > XXXX ORDER BY id limit 20; 

在 沒內(nèi)鬼，來點(diǎn)干貨!SQL優(yōu)化和診斷 一文中提到過，LIMIT會(huì)在滿足條件下停止查詢，因此該方案的掃描總量會(huì)急劇減少，效率提升Max!

ES

方案和MySQL相同，此時(shí)我們就可以隨用所欲的使用 FROM-TO Api，而且不用考慮最大限制的問題。

MongoDB

方案基本類似，基本代碼如下：

相關(guān)性能測試：

如果非要深度隨機(jī)跳頁

如果你沒有杠過產(chǎn)品經(jīng)理，又該怎么辦呢，沒關(guān)系，還有一絲絲的機(jī)會(huì)。

在 SQL優(yōu)化 一文中還提到過MySQL深度分頁的處理技巧，代碼如下：

# 反例（耗時(shí)129.570s） 
select * from task_result LIMIT 20000000, 10; 
 
# 正例（耗時(shí)5.114s） 
SELECT a.* FROM task_result a, (select id from task_result LIMIT 20000000, 10) b where a.id = b.id; 
 
# 說明 
# task_result表為生產(chǎn)環(huán)境的一個(gè)表，總數(shù)據(jù)量為3400萬，id為主鍵，偏移量達(dá)到2000萬 

該方案的核心邏輯即基于聚簇索引，在不通過回表的情況下，快速拿到指定偏移量數(shù)據(jù)的主鍵ID，然后利用聚簇索引進(jìn)行回表查詢，此時(shí)總量僅為10條，效率很高。

因此我們在處理MySQL，ES，MongoDB時(shí)，也可以采用一樣的辦法：

1. 限制獲取的字段，只通過篩選條件，深度分頁獲取主鍵ID
2. 通過主鍵ID定向查詢需要的數(shù)據(jù)

瑕疵：當(dāng)偏移量非常大時(shí)，耗時(shí)較長，如文中的 5s

本文轉(zhuǎn)載自微信公眾號(hào)「是Kerwin啊」，可以通過以下二維碼關(guān)注。轉(zhuǎn)載本文請聯(lián)系是Kerwin啊公眾號(hào)。