mysql的limit用法、逻辑分页和物理分页

物理分页为什么用limit

在讲解limit之间，我们先说说分页的事情。

分页有逻辑分页和物理分页，就像删除有逻辑删除和物理删除。逻辑删除就是改变数据库的状态，物理删除就是直接删除数据库的记录，而逻辑删除只是改变该数据库的状态。例如：

同理，逻辑分页和物理分页是有区别的

物理分页	逻辑分页	Cool
物理分页依赖的是某一物理实体，这个物理实体就是数据库，比如MySQL数据库提供了limit关键字，程序员只需要编写带有limit关键字的SQL语句，数据库返回的就是分页结果。	逻辑分页依赖的是程序员编写的代码。数据库返回的不是分页结果，而是全部数据，然后再由程序员通过代码获取分页数据，常用的操作是一次性从数据库中查询出全部数据并存储到List集合中，因为List集合有序，再根据索引获取指定范围的数据。	概念
每次都要访问数据库，对数据库造成的负担大	只需要访问一次数据库	数据库负担
每次只读取一部分数据，占用的内存空间较小	一次性将数据读取到内存，占用较大的内存空间。如果使用java开发，Java本身引用的框架就占用了很多内存，这无疑加重了服务器的负担。	服务器负担
每次需要数据时都访问数据库，能够获取数据库的最新状态，实时性强	因为一次性读入到内存，数据发生了改变，数据库逇最新状态无法实时反映到操作中	实时性
数据库量大、更新频繁的场合	数据量较小、数据稳定的场合	服务器负担
为什么逻辑分页占用较大的内存空间，比如我有一张表，表的信息是：


-- ----------------------------
-- Table structure for vote_record_memory
-- ----------------------------
DROP TABLE IF EXISTS `vote_record_memory`;
CREATE TABLE `vote_record_memory` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `user_id` varchar(20) NOT NULL,
  `vote_id` int(11) NOT NULL,
  `group_id` int(11) NOT NULL,
  `create_time` datetime NOT NULL,
  PRIMARY KEY (`id`),
  KEY `index_id` (`user_id`) USING HASH
) ENGINE=MEMORY AUTO_INCREMENT=3000001 DEFAULT CHARSET=utf8;

向该表中插入300万条数据后，再转储到桌面，查看转储后的SQL文件的属性：

这是多么庞大的数据，占用的内存多么可怕，为什么我们再选用数据库。这也是我们使用云服务器时，设定mysql的存储空间的大小。

我们一般不推荐使用逻辑分页，而使用物理分页。在使用物理分页的时候，就要考虑到limit的用法。

解释limit

limit X，Y ，跳过前X条数据，读取Y条数据

X表示第一个返回记录行的偏移量，Y表示返回记录行的最大数目
如果X为0的话，即 limit 0, Y，相当于limit Y、

通过业务分析limit

我有一张工资表，只显示最新的前两条记录，同时进行员工姓名和工资提成备注查询

SELECT
	cue.real_name empName,
	zs.push_money AS pushMoney,
	zs.push_money_note AS pushMoneyNote,
	zs.create_datetime AS createTime
FROM
	zq_salary zs  //主表
LEFT JOIN core_user_ext cue ON cue.id = zs.user_id   //从表 on之后是从表的条件
WHERE
	zs.is_deleted = 0
AND (
	cue.real_name LIKE '%李%'
	OR zs.push_money_note LIKE '%测%'
)
ORDER BY
	zs.create_datetime DESC
LIMIT 2;

就相当于
ORDER BY
	zs.create_datetime DESC
LIMIT 0,2;

limit的效率问题

我有一个需求，就是从vote_record_memory表中查出3600000到3800000的数据，此时在id上加个索引，索引的类型是Normal，索引的方法是BTREE，分别用两种方法查询

-- 方法1
SELECT * FROM vote_record_memory vrm  LIMIT 3600000,20000 ;

-- 方法2
SELECT * FROM vote_record_memory vrm WHERE vrm.id >= 3600000 LIMIT 20000

你会发现，方法2的执行效率远比方法1的执行效率高，几乎是方法1的九分之一的时间。

为什么方法1的效率低，而方法二的效率高呢？

分析一

因为在方法1中，我们使用的单纯的limit。limit随着行偏移量的增大，当大到一定程度后，会出现效率下降。而方法2用上索引加where和limit，性能基本稳定，受偏移量和行数的影响不大。

分析二

我们用explain来分析：

可见，limit语句的执行效率未必很高，因为会进行全表扫描，这就是为什么方法1扫描的的行数是400万行的原因。方法2的扫描行数是47945行，这也是为什么方法2执行效率高的原因。我们尽量避免全表扫描查询，尤其是数据非常庞大，这张表仅有400万条数据，方法1和方法就有这么大差距，可想而知上千万条的数据呢。

能用索引的尽量使用索引，type至少达到range级别，这不是我说的，这是阿里巴巴开发手册的5.2.8中要求的

我不用索引查询到的结果和返回的时间和方法1的时间差不多：

SELECT * FROM vote_record_memory vrm WHERE vrm.id >= 3600000 LIMIT
20000 受影响的行: 0 时间: 0.196s

这也就是我们为什么尽量使用索引的原因。mysql索引方法一般有BTREE索引和HASH索引，hash索引的效率比BTREE索引的效率高，但我们经常使用BTREE索引，而不是hash索引。因为最重要的一点就是：Hash索引仅仅能满足”=”,“IN”和”<=>”查询，不能使用范围查询。

如果是范围查询，我们为什么用BTREE索引的原因。BTREE索引就是二叉树索引，学过数据结构的应该都清楚，这里就不赘述了。

limit物理分页

我们都知道limit一般有两个参数，X和Y，X表示跳过X个数据，读取Y个数据，我们就此来查询数据

页数	每页显示的行数	limit语句	计算方式
第一页	20	limit 0,20	limit 0*20,20
第二页	20	limit 20,20	limit 1*20,20
第三页	20	limit 40,20	limit 2*20,20
第四页	20	limit 60,20	limit 3*20,20
如果是SQL语句来进行分页的话，我们可以看到的是：

-- 首页
SELECT * from vote_record_memory LIMIT 0,20;

-- 第二页
SELECT * from vote_record_memory LIMIT 20,20;

-- 第三页
SELECT * from vote_record_memory LIMIT 40,20;

-- 第四页
SELECT * from vote_record_memory LIMIT 60,20;

-- n页
SELECT * from vote_record_memory LIMIT (n-1)*20,20;

因而，如果是用java的话，我们就可以写一个方法，有两个参数，一个是页数，一个每页显示的行数

    /**
     * @description          简单的模拟分页雏形
     * @author               zby
     * @param currentPage    当前页
     * @param lines          每页显示的多少条
     * @return               数据的集合
     */
    public List<Object> listObjects(int currentPage, int lines) {
        String sql = "SELECT * from vote_record_memory LIMIT " + (currentPage - 1) * lines + "," + lines;
        return null;
    }