如何对分库后的数据进行分页查询

Posted

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了如何对分库后的数据进行分页查询相关的知识，希望对你有一定的参考价值。

1、直接使用跨库的多表联合查询。不建议。

2、向6台数据库server均发送一个查询请求，然后对所有查询结果进行汇总，再处理分页逻辑。

3、建立一个总数据库，只负责维护主键和必要的索引，以供分页查询。

4、使用redis维护一个主键序列，分页操作就是截取该序列的一部分，其结果就是主键id集合。拿到id后便可以映射到多台mysql服务器上查询数据了。但毕竟数据被分布式存储了，取到完整结果集必须要多次、多台的数据库访问，这个肯定是避免不了。

注：“多台”数据库访问的问题无解，但同台“多次”数据库访问的问题可以通过程序优化。 参考技术A 想要恢复被删除的数据。以顶尖数据恢复软件为例 第一步，下载顶尖数据恢复软件。 第二步，打开数据恢复软件 第三步，选择误格式化硬盘，然后从中选择自己想要恢复的磁盘，单击进入下一步。 第四步，软件会扫描分区格式化之前的文件，耐心等待扫面完成即可。 第五步，从下面恢复结果的界面中选择自己要恢复的文件，因为是格式化导致的数据丢失，因此也可以全部恢复

亿万级分库分表后如何进行跨表分页查询

亿万级分库分表后如何进行跨表分页查询

 

 

前言

在常规的应用系统开发中，很少会涉及到需要对数据进行分库或者分表的操作，多数情况下，我们习惯使用ORM带来的便利，且使用连接查询是一种高效率的开发方式，就算涉及到分表的场景，很多时候也都可以使用ORM自带的分表规则来解决问题。

比如在电商场景中，用户和订单是属于重点增量的数据，通常情况下，或者按用户编号取模或者按订单编号取模进行分表，按便利性来区分，可以使用按用户编号分表解决后续跨表分页查询问题，这也是推荐的方式之一。

据说淘宝采用的是双写订单，即客户和商家各自一套冗余数据库，再指向订单表，这样做可以规避资源抢夺的问题。

分表后查询的多种方法

全局表查询

顾名思义，全局查询就是将分表后的数据主键再集中存储到一张表中，由于全局表只存储很简单的编号信息，查询效率相对较高，但是在数据持续增长的情况下，压力也越来越大。

禁止跳页查询

禁止跳页查询在移动互联网中广泛被应用，这种方法的原理是在查询中摒弃舍弃传统的Page，转而使用一个timestamp时间戳来代码页码，下一页的查询总是在上一页的最后一条记录的时间戳之后，当客户端拉取不到任何数据的时候，即可停止分页。

这种方法带的一个问题就是不允许进行跳转分页，并且会带来冗余查询的问题，比如需要查询多张表后才得到PageSize需要的数据量，只能按部就班的往下查询，不能进行并行查询。特别致命的是，此方法还将带来重复数据的问题。对数据精度要求不高的场景可以采用。

按日期的二次查询法

按日期的二次查询法号称可以解决分页带来的性能和精度问题，具体原理为，先将分页跳过的数据量平均分布到所有表中，如 Page=10,PageSize=50，如果有5个分表，则SQL语句：page=page/5,LIMIT 2,10;分别对5张表进行查询，得到5个结果集，此时，5个结果集里面分别有10条数据，其中下标0和rn-1的结果分别是当前结果集中的最小和最大时间戳(maxTimestamp)，通过比较5张表的返回记录得到一个最小的时间戳 minTimestamp，再将这个最小的时间戳带入SQL条件进行二次查询，SQL代码

SELECT * FROM TABLE_NAME WHERE Timestamp BETWEEN @minTimestamp AND @maxTimestamp ORDER BY Timestamp

通过上面的代码，可以从数据库中得到一个完全的结果集，然后在内存中将5个结果集合并排序，取分页数据即可。看起来无懈可击，完美解决了上面两种分页查询引起的问题。实际上我个人认为，这里面还是有一些需要注意的地方，比如由于分表规则的问题导致第一次查询的表比较多（可能几千张表），又或者在二次查询中，某个区间的数据比较大，最后就是在内存中合并结果集也会造成性能问题。
这种查询方法还是解决了精度的问题，也部分解决了性能问题，特别是在取模分表的场景，数据随机性比较大的情况下，还是非常有用的。

大数据集成法

当数据量达到一定程度的时候，可以考虑上ELK或者其它大数据套件，可以很好的解决分页带的影响。

NewSql法

如果有条件，可以迁移数据库到NewSql类型的数据库上，NewSql数据库属于分布式数据库，既有关系数据库的优点又可以无限扩表，通常还支持关系数据库间的无障碍迁移，比如国产的TiDB数据库等。

有序的二次查询法

有序的二次查询法是基于上面的按日期的二次查询法发展而来，这种方法目前还处于测试阶段，具体做法是将数据按天进行分表，这样就可以确保数据块是连续的，以查询最近17天的分页数据为例，先查询出所有表的总行数，这里使用 COUNT(*) ，Mysql 会优化为information_schema.TABLES.TABLE_ROWS 索引查询提高查询效率，不用担心性能问题，下面列出详细的测试步骤。

建立分页实体

public class PageEntity

    /// <summary>
    /// 跳过的记录数
    /// </summary>
    public long Skip  get; set; 
    /// <summary>
    /// 选取的记录数
    /// </summary>
    public long Take  get; set; 
    /// <summary>
    /// 总行数
    /// </summary>
    public long Total  get; set; 
    /// <summary>
    /// 表名
    /// </summary>
    public string TableName  get; set;

定义分页算法类

public class PageDataService

    ...

初始化表

在 PageDataService 类中使用内存表模拟数据库表，主要模拟数据分页的情况，所以每个表的数据量都很小，方便人肉计算和跳页

private readonly static List<PageEntity> entitys = new List<PageEntity>()

    new PageEntity Total=12,TableName="230301" ,
    new PageEntity Total=3,TableName="230302" ,
    new PageEntity Total=4,TableName="230303" ,
    new PageEntity Total=1,TableName="230304" ,
    new PageEntity Total=1,TableName="230305" ,
    new PageEntity Total=7,TableName="230306" ,
    new PageEntity Total=2,TableName="230307" ,
    new PageEntity Total=11,TableName="230308" ,
    new PageEntity Total=41,TableName="230309" ,
    new PageEntity Total=25,TableName="230310" ,
    new PageEntity Total=33,TableName="230311" ,
    new PageEntity Total=8,TableName="230312" ,
    new PageEntity Total=3,TableName="230313" ,
    new PageEntity Total=0,TableName="230314" ,
    new PageEntity Total=17,TableName="230315" ,
    new PageEntity Total=88,TableName="230316" ,
    new PageEntity Total=2,TableName="230317" 
;

分页算法

public static List<PageEntity> Pagination(int page, int pageSize)

    long preBlock = 0;
    int currentPage = page;
    int currentPage = page >= 1 ? page - 1 : 0;
    long currentPageSize = pageSize;
    List<PageEntity> results = new List<PageEntity>();

    foreach (var item in entitys)
    
       if (item.Total == 0)
          continue;

       var skip = (currentPage * currentPageSize) + preBlock;
       var remainder = item.Total - skip;
       if (remainder > 0)
       
           item.Skip = skip;
           item.Take = currentPageSize;
           if (remainder >= currentPageSize)
           
               results.Add(item);
               break;
           
           else
           
               currentPageSize = currentPageSize - remainder;
               item.Take = remainder;
               currentPage = 0;
               preBlock = 0;

               results.Add(item);
           
       
       else
       
           preBlock = Math.Abs(remainder);
           currentPage = 0;
     
    

    // 输出测试结果
    if (results.Count > 0)
    
        Console.ForegroundColor = ConsoleColor.Red;
        Console.WriteLine("本次查询，Page:0,PageSize:1", page, pageSize);
        Console.ForegroundColor = ConsoleColor.Gray;
        foreach (var item in results)
        
            Console.WriteLine("表：0,总行数：1,OFFSET：2，LIMIT：3", item.TableName, item.Total, item.Skip, item.Take);
        
        Console.WriteLine();
    
    else
    
        Console.ForegroundColor = ConsoleColor.Red;
        Console.WriteLine("分页下无数据：0,1", page, pageSize);
        Console.ForegroundColor = ConsoleColor.Gray;
    

    return results;

在上面的分页算法中，定义了4个私有变量，分别是
preBlock：存跨表数据块长度
currentPage：当前表分页
currentPageSize：当前表分页长度，也是当前表接 preBlock 所需要的查询长度
results：查询表结果，存需要进行二次查询的表结构

接下来，就对最近 17 张表进行模拟轮询计算，把数据块连接起来，首先是计算 skip 的长度，这里使用当前表分页加跨表块

var skip = ((currentPage - 1) * currentPageSize) + preBlock

得到真实的 skip，然后用当前表 Total - skip 得到下一表的接续长度

 var remainder = item.Total - skip;

再通过判断接续长度 remainder 大于 0，如果小于0则设定 preBlock 和 currentPage 进入下一表结构，如果大于 0 则进一步判断其是否可以覆盖 currentPageSize，如果可以覆盖则记录当前表并跳出循环，否则 重置 currentPageSize 和其它条件后进入下一个表结构。

if (remainder > 0)

    item.Skip = skip;
    item.Take = currentPageSize;
    if (remainder >= currentPageSize)
    
        results.Add(item);
        break;
    
    else
    
        currentPageSize = currentPageSize - remainder;
        item.Take = remainder;
        currentPage = 1;
        preBlock = 0;
        results.Add(item);
    

else

    preBlock = Math.Abs(remainder);
    currentPage = 1;

测试分页结果

构建一些测试数据进行分页，看接续是否已经闭合

public class Program

    public static void Main(string[] args)
    
        PageDataService.Pagination(1, 40);
        PageDataService.Pagination(2, 40);
        PageDataService.Pagination(3, 40);
        PageDataService.Pagination(4, 40);
        PageDataService.Pagination(5, 40);
        PageDataService.Pagination(6, 40);
        PageDataService.Pagination(7, 40);
        PageDataService.Pagination(8, 40);
        PageDataService.Pagination(9, 40);
        PageDataService.Pagination(113, 10);

        Console.ReadKey();

输出测试结果

通过输出的测试结果，可以看到，数据块是连续的，且已经得到了每次需要查询的表结构数据，在实际应用中，只需要对这个结果执行并行查询然后在内存中归并排序就可以了。

并行查询和排序

public static void Query()

    var entitys = PageDataService.Pagination(1, 40);
    List<UserEntity> datas = new List<UserEntity>();
    Parallel.ForEach(entitys, entity =>
    
        var sql = $"SELECT * FROM TABLE_entity.TableName ORDER BY Timestamp LIMIT entity.Skip,entity.Take";
        var results = Mysql.Query<UserEntity>(sql);
        datas.AddRange(results);
    );

    // 排序
    datas = datas.OrderByDescending(x => x.Timestamp).ToList();

到这里，就完成了有序的二次查询法的算法过程。这种分页算法存在一定的局限性，比如必须是连续的数据块，按一定时间区间进行分表才可使用，大区间查询时的分页，第一次查询会比较慢，比如查询区间为3年内的按天分表分页数据，将会导致第一次查询开启 3*365 个数据库连接，当然，这取决于你第一次查询采用的是并行查询还是轮询，还是有优化空间的。

结束语

本文共列出了多种分库分表方式下的查询问题，大部分 ORM 只解决了分表插入的问题，对于分页查询，实际上也是没有很好的解决方案，原因在于分页查询和业务的分割有着紧密的联系，很多时候不能简单的将业务问题认为是中间件的问题。有序的二次查询法作为一次探索，期望能解决部分业务带来的分页问题。

  • 欢迎关注收取阅读最新文章
  • 好看点个推荐呗~
  • 出处：http://www.cnblogs.com/viter/
  • 本文版权归作者和博客园共有，欢迎个人转载，必须保留此段声明；商业转载请联系授权，且在文章页面明显位置给出原文连接，否则保留追究法律责任的权利。
  • 欢迎大家关注我的微信公众号，一起学习一起进步

以上是关于如何对分库后的数据进行分页查询的主要内容，如果未能解决你的问题，请参考以下文章

分库分表后的分页查询

亿万级分库分表后如何进行跨表分页查询

亿万级分库分表后如何进行跨表分页查询

mysql 数据库 分表后 怎么进行分页查询？Mysql分库分表方案

oracle数据库对查询后的结果分页如何实现和jsp分页

百亿级数据 分库分表 后面怎么分页查询？