這篇教程為大家介紹MySQL大數據分頁查詢性能優化的方法，希望大家學習后能有所提升。
使用limit start, count分頁語句
select * from product limit start, count
當起始頁較小時，查詢沒有性能問題，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系的，那么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
再看我們取最后一頁記錄的時間
select * from product limit 866613, 20 37.44秒
難怪搜索引擎抓取我們頁面的時候經常會報超時，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并不適合直接使用。
對limit分頁問題的性能優化方法
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），那么這種情況會查詢很快。
因為利用索引查找有優化算法，且數據就在查詢索引上面，不用再去找相關的數據地址了，這樣節省了很多時間。另外Mysql中也有相關的索引緩存，在并發高的時候利用緩存就效果更好了。
在我們的例子中，我們知道id字段是主鍵，自然就包含了默認的主鍵索引。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后一頁的數據（利用覆蓋索引，只包含id列），如下：
select id from product limit 866613, 20 0.2秒
相對于查詢了所有列的37.44秒，提升了大概100多倍的速度
那么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，簡直是一個質的飛躍。
另一種寫法
SELECT * FROM product a JOIN (select id from product limit 866613, 20) b ON a.ID = b.id
查詢時間也很短！
其實兩者用的都是一個原理嘛，所以效果也差不多
Mysql的分頁查詢十分簡單，但是當數據量大的時候一般的分頁就吃不消了。
傳統分頁查詢：
SELECT c1,c2,cn… FROM table LIMIT n,m
MySQL的limit工作原理就是先讀取前面n條記錄，然后拋棄前n條，讀后面m條想要的，所以n越大，偏移量越大，性能就越差。
推薦分頁查詢方法
1、盡量給出查詢的大致范圍
SELECT c1,c2,cn... FROM table WHERE id>=20000 LIMIT 10;
2、子查詢法
SELECT c1,c2,cn... FROM table WHERE id>=(SELECT id FROM table LIMIT 20000,1)LIMIT 10;
3、高性能MySQL一書中提到的只讀索引方法
優化前SQL:
SELECT c1,c2,cn... FROM member ORDER BY last_active LIMIT 50,5
優化后SQL:
SELECT c1, c2, cn .. . FROM member INNER JOIN (SELECT member_id FROM member ORDER BY last_active LIMIT 50, 5) USING (member_id)
分別在于，優化前的SQL需要更多I/O浪費，因為先讀索引，再讀數據，然后拋棄無需的行。而優化后的SQL(子查詢那條)只讀索引(Cover index)就可以了，然后通過member_id讀取需要的列。
4、第一步用用程序讀取出ID，然后再用IN方法讀取所需記錄
程序讀ID：
SELECT id FROM table LIMIT 20000, 10; SELECT c1, c2, cn .. . FROM table WHERE id IN (id1, id2, idn.. .)
