上億數據怎么玩深度分頁？兼容MySQL + ES + MongoDB
面試題 & 真實經歷
面試題：在數據量很大的情況下，怎么實現深度分頁?
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，現在工期不足，人員不足，該怎么實現深度分頁?
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，但是深度隨機跳頁絕對需要禁止。
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，這就牽扯到內存占用的問題，如果當時代碼寫的不優雅，直接就可能導致內存溢出。
為什么不能允許隨機深度跳頁
從技術的角度淺顯的聊一聊為什么不能允許隨機深度跳頁，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，在一個高并發的應用里，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 跳過的條目也會隨之變大，而這個操作是通過 cursor 的迭代器來實現的，對于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作為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：
- 如查詢第501頁，每頁10條，客戶端發送請求到某節點
- 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
- 查詢結果返回至該節點，然后對數據進行整合，取出前 5010 條數據
- 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，就為了最后的20條數據，效率可想而知。
再次和產品對線
俗話說的好，技術解決不了的問題，就由業務來解決!
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：
- 盡可能的增加默認的篩選條件，如：時間周期，目的是為了減少數據量的展示
- 修改跳頁的展現方式，改為滾動顯示，或小范圍跳頁
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：利用小范圍頁碼的已知數據，或者滾動加載的已知數據，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據，進行一定的截取，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;
通過上下文關系，改寫為：
- # 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，來點干貨!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
如果你沒有杠過產品經理，又該怎么辦呢，沒關系，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表為生產環境的一個表，總數據量為3400萬，id為主鍵，偏移量達到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據的主鍵ID，然后利用聚簇索引進行回表查詢，此時總量僅為10條，效率很高。
因此我們在處理MySQL，ES，MongoDB時，也可以采用一樣的辦法：
- 限制獲取的字段，只通過篩選條件，深度分頁獲取主鍵ID
- 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
本文轉載自微信公眾號「是Kerwin啊」，可以通過以下二維碼關注。轉載本文請聯系是Kerwin啊公眾號。
