面試題 & 真實經歷

面試題 ：在數據量很大的情況下，怎麼實現深度分頁？

大家在面試時，或者準備面試中可能會遇到上述的問題，大多的回答基本上是 分庫分表建索引 ，這是一種很 標準的正確回答 ，但現實總是很骨感，所以面試官一般會追問你一句，<font color="red">現在工期不足，人員不足，該怎麼實現深度分頁？</font>

這個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，但是<font color="red">深度隨機跳頁絕對需要禁止。</font>

上一張圖：

你們猜，我點一下第 142360 頁，服務會不會爆炸？

像 MySQL ， MongoDB 數據庫還好，本身就是專業的數據庫，處理的不好，最多就是慢，但如果涉及到 ES ，性質就不一樣了，我們不得不利用 SearchAfter Api，去循環獲取數據，這就牽扯到內存佔用的問題，如果當時代碼寫的不優雅，直接就可能導致內存溢出。

爲什麼不能允許隨機深度跳頁

從技術的角度淺顯的聊一聊爲什麼不能允許隨機深度跳頁，或者說爲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，扔掉前面的10000行，返回最後的20行。如果是LIMIT 1000000 , 100，需要掃描1000100 行，在一個高併發的應用裏，每次查詢需要掃描超過100W行，不炸纔怪。

MongoDB

分頁的基本原理：

db.t_data.find().limit(5).skip(5);

同樣的，隨着頁碼的增大，skip 跳過的條目也會隨之變大，而這個操作是通過 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 不是典型的數據庫，它是一個搜索引擎，如果在篩選條件下沒有搜索出想要的數據，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 作爲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：

  1. 如查詢第501頁，每頁10條，客戶端發送請求到某節點
  2. 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
  3. 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
  4. 返回給客戶端

由此可以看出爲什麼要限制偏移量，另外，如果使用 Search After 這種滾動式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，就爲了最後的20條數據，效率可想而知。

再次和產品對線

<font color="red">俗話說的好，技術解決不了的問題，就由業務來解決！</font>

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：

  • <font color="red">儘可能的增加默認的篩選條件，如：時間週期</font>，目的是爲了減少數據量的展示
  • <font color="red">修改跳頁的展現方式，改爲滾動顯示，或小範圍跳頁</font>

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，篩選條件務必設置好索引
  • 核心：<font color="red">利用小範圍頁碼的已知數據，或者滾動加載的已知數據，減少偏移量</font>
  • 額外：如果遇到不好處理的情況，也可以獲取多餘的數據，進行一定的截取，性能影響並不大

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;

通過上下文關係，改寫爲：

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

在 沒內鬼，來點乾貨！SQL優化和診斷 一文中提到過，LIMIT會在滿足條件下停止查詢，因此該方案的掃描總量會急劇減少，效率提升Max！

ES

方案和 MySQL 相同，此時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：

相關性能測試：

如果非要深度隨機跳頁

如果你沒有槓過產品經理，又該怎麼辦呢，沒關係，還有一絲絲的機會。

在 SQL優化 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129.570s）
select * from task_result LIMIT 20000000, 10;

# 正例（耗時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表爲生產環境的一個表，總數據量爲3400萬，id爲主鍵，偏移量達到2000萬

該方案的核心邏輯即基於 聚簇索引 ，在不通過 回表 的情況下，快速拿到指定偏移量數據的主鍵ID，然後利用 聚簇索引 進行回表查詢，此時總量僅爲10條，效率很高。

因此我們在處理 MySQL ， ES ， MongoDB 時，也可以採用一樣的辦法：

  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定向查詢需要的數據

瑕疵：當偏移量非常大時，耗時較長，如文中的 5s

最後

參考文章： MongoDB中文社區

感謝 @程大設計師 爲我傾情設計的二維碼:stuck_out_tongue_winking_eye:

如果覺得對你有用的話，不要忘記點個贊啊~

相關文章