1. 直接用limit start, count分頁語句， 也是我程式中用的方法：
select * from product limit start, count
當起始頁較小時，查詢沒有效能問題，我們分別看下從10， 100， 1000， 10000開始分頁的執行時間（每頁取20條）， 如下：
select * from product limit 10, 20 0.016秒
select * from product limit 100, 20 0.016秒
select * from product limit 1000, 20 0.047秒
select * from product limit 10000, 20 0.094秒
我們已經看出隨著起始記錄的增加，時間也隨著增大， 這說明分頁語句limit跟起始頁碼是有很大關係的，那麼我們把起始記錄改為40w看下（也就是記錄的一般左右）
select * from product limit 400000, 20 3.229秒
再看我們取最後一頁記錄的時間
select * from product limit 866613, 20 37.44秒
像這種分頁最大的頁碼頁顯然這種時間是無法忍受的。
從中我們也能總結出兩件事情：
1）limit語句的查詢時間與起始記錄的位置成正比
2）mysql的limit語句是很方便，但是對記錄很多的表並不適合直接使用
2. 加入索引進行分頁查詢：
利用表的覆蓋索引來加速分頁查詢
我們都知道，利用了索引查詢的語句中如果只包含了那個索引列（覆蓋索引），那麼這種情況會查詢很快。
在我們的例子中，我們知道id欄位是主鍵，自然就包含了預設的主鍵索引。現在讓我們看看利用覆蓋索引的查詢效果如何：
這次我們之間查詢最後一頁的資料（利用覆蓋索引，只包含id列），如下：
select id from product limit 866613, 20 0.2秒
相對於查詢了所有列的37.44秒，提公升了大概100多倍的速度
那麼如果我們也要查詢所有列，有兩種方法，一種是id>=的形式，另一種就是利用join，看下實際情況：
select * from product where id > =(select id from product limit 866613, 1) limit 20
查詢時間為0.2秒！
另一種寫法
select * from product a join (select id from product limit 866613, 20) b on a.id = b.id
3. 復合索引優化方法
mysql 效能到底能有多高？mysql 這個資料庫絕對是適合dba級的高手去玩的，一般做一點1萬篇新聞的小型系統怎麼寫都可以，用xx框架可以實現快速開發。可是資料量到了10萬，百萬至千萬，他的效能還能那麼高嗎？一點小小的失誤，可能造成整個系統的改寫，甚至更本系統無法正常執行！好了，不那麼多廢話了。用事實說話，看例子：
資料表 collect ( id, title ,info ,vtype) 就這4個字段，其中 title 用定長，info 用text, id 是逐漸，vtype是tinyint，vtype是索引。這是乙個基本的新聞系統的簡單模型。現在往裡面填充資料，填充10萬篇新聞。最後collect 為 10萬條記錄，資料庫表占用硬1.6g。ok ,看下面這條sql語句：
select id,title from collect limit 1000,10; 很快；基本上0.01秒就ok，再看下面的
select id,title from collect limit 90000,10; 從9萬條開始分頁，結果？
8-9秒完成，my god 哪齣問題了？其實要優化這條資料，網上找得到答案。看下面一條語句:
select id from collect order by id limit 90000,10;
很快，0.04秒就ok。 為什麼？因為用了id主鍵做索引當然快。網上的改法是：
select id,title from collect where id>=(select id from collect order by id limit 90000,1) limit 10;
這就是用了id做索引的結果。可是問題複雜那麼一點點，就完了。看下面的語句
select id from collect where vtype=1 order by id limit 90000,10; 很慢，用了8-9秒！
到了這裡我相信很多人會和我一樣，有崩潰感覺！vtype 做了索引了啊？怎麼會慢呢？vtype做了索引是不錯，你直接
select id from collect where vtype=1 limit 1000,10;
是很快的，基本上0.05秒，可是提高90倍，從9萬開始，那就是0.05*90=4.5秒的速度了。和測試結果8-9秒到了乙個數量級。從這裡開始有人提出了分表的思路，這個和dis #cuz 論壇是一樣的思路。思路如下：
建乙個索引表： t (id,title,vtype) 並設定成定長，然後做分頁，分頁出結果再到 collect 裡面去找info 。 是否可行呢？實驗下就知道了。
10萬條記錄到 t(id,title,vtype) 裡，資料表大小20m左右。用
select id from t where vtype=1 order by id limit 90000,10;
很快了。基本上0.1-0.2秒可以跑完。為什麼會這樣呢？我猜想是因為collect 資料太多，所以分頁要跑很長的路。limit 完全和資料表的大小有關的。其實這樣做還是全表掃瞄，只是因為資料量小，只有10萬才快。ok， 來個瘋狂的實驗，加到100萬條，測試效能。加了10倍的資料，馬上t表就到了200多m，而且是定長。還是剛才的查詢語句，時間是0.1-0.2秒完成！分表效能沒問題？錯！因為我們的limit還是9萬，所以快。給個大的，90萬開始
select id from t where vtype=1 order by id limit 900000,10;
看看結果，時間是1-2秒！why ?
分表了時間還是這麼長，非常之鬱悶！有人說定長會提高limit的效能，開始我也以為，因為一條記錄的長度是固定的，mysql 應該可以算出90萬的位置才對啊？可是我們高估了mysql 的智慧型，他不是商務資料庫，事實證明定長和非定長對limit影響不大？怪不得有人說discuz到了100萬條記錄就會很慢，我相信這是真的，這個和資料庫設計有關！
難道mysql 無法突破100萬的限制嗎？？？到了100萬的分頁就真的到了極限？
答案是： no 為什麼突破不了100萬是因為不會設計mysql造成的。下面介紹非分表法，來個瘋狂的測試！一張表搞定100萬記錄，並且10g 資料庫，如何快速分頁！
好了，我們的測試又回到 collect表，開始測試結論是：
30萬資料，用分表法可行，超過30萬他的速度會慢道你無法忍受！當然如果用分表+我這種方法，那是絕對完美的。但是用了我這種方法後，不用分表也可以完美解決！
答 案就是：復合索引！ 有一次設計mysql索引的時候，無意中發現索引名字可以任取，可以選擇幾個字段進來，這有什麼用呢？開始的
select id from collect order by id limit 90000,10;
這麼快就是因為走了索引，可是如果加了where 就不走索引了。抱著試試看的想法加了 search(vtype,id) 這樣的索引。然後測試
select id from collect where vtype=1 limit 90000,10; 非常快！0.04秒完成！
再測試: select id ,title from collect where vtype=1 limit 90000,10; 非常遺憾，8-9秒，沒走search索引！
再測試：search(id,vtype)，還是select id 這個語句，也非常遺憾，0.5秒。
綜上：如果對於有where 條件，又想走索引用limit的，必須設計乙個索引，將where 放第一位，limit用到的主鍵放第2位，而且只能select 主鍵！
完美解決了分頁問題了。可以快速返回id就有希望優化limit ， 按這樣的邏輯，百萬級的limit 應該在0.0x秒就可以分完。看來mysql 語句的優化和索引時非常重要的！
sql大量資料分頁
一種.select top 10 from tb where id not in select top 10 page from tb order by id order by id 其中，page是頁數的索引，實際的頁數要減一，這個分頁，對少數量的資料可以，也比使用游標快，但用到了not in關鍵...
PHP查詢MySQL大量資料的記憶體
這篇文章主要是從原理，手冊和原始碼分析在php中查詢mysql返回大量結果時，記憶體占用的問題，同時對使用mysql c api也有涉及。昨天，有同事在php討論群裡提到，他做的乙個專案由於mysql查詢返回的結果太多 達10萬條 從而導致php記憶體不夠用。所以，他問，在執行下面的 遍歷返回的my...
PHP查詢MySQL大量資料的記憶體
這篇文章主要是從原理，手冊和原始碼分析在php中查詢mysql返回大量結果時，記憶體占用的問題，同時對使用mysql c api也有涉及。昨天，有同事在php討論群裡提到，他做的乙個專案由於mysql查詢返回的結果太多 達10萬條 從而導致php記憶體不夠用。所以，他問，在執行下面的 遍歷返回的my...