一般我们数据量大的时候，然后就需要进行分页，一般分页语句就是limit offset，rows。这种分页数据量小的时候是没啥影响的，一旦数据量越来越大随着offset的变大，性能就会越来越差。下面我们就来实验下：

准备数据

建一个测试表引擎为MyISAM(插入数据没有事务提交，插入速度快)的表。

CREATE TABLE USER (id INT ( 20 ) NOT NULL auto_increment,NAME VARCHAR ( 20 ) NOT NULL,address VARCHAR ( 20 ) NOT NULL,PRIMARY KEY ( id )) ENGINE = MyISAM;

写一个批量插入的存储过程

delimiter //# 删除表数据TRUNCATE TABLE t;# 如果已经有sp_test_batch存储过程，将其删除，后面重新创建DROP PROCEDURE IF EXISTS sp_test_batch;# 创建存储过程，包含num和batch输入，num表示插入的总行数，batch表示每次插入的行数CREATE PROCEDURE sp_test_batch(IN num INT,IN batch INT)BEGINSET @insert_value = '';# 已经插入的记录总行数SET @count = 0;#SET @batch_count = 0;WHILE @count < num DO# 内while循环用于拼接INSERT INTO t VALUES (),(),(),...语句中VALUES后面部分WHILE (@batch_count < batch AND @count < num) DOIF @batch_count>0THENSET @insert_value = concat(@insert_value,',');END IF;SET @insert_value = concat(@insert_value,"('name", @count, "','address", @count, "')");SET @batch_count = @batch_count+1;END WHILE;SET @count = @count + @batch_count;# 拼接SQL语句并执行SET @exesql = concat("insert into user(name,address) values ", @insert_value);PREPARE stmt FROM @exesql;EXECUTE stmt;DEALLOCATE PREPARE stmt;# 重置变量值SET @insert_value = '';SET @batch_count=0;END WHILE;# 数据插入完成后，查看表中总记录数SELECT COUNT(id) FROM user;ENDCALL sp_test_batch(10000000,10000);

插入1000w数据

测试性能    下面我们分别针对于offset等于不同的值来进行实：offset等于10000时耗时

offset等于100000时耗时

offset等于1000000时耗时

offset等于5000000时耗时

offset等于10000000时耗时

从上图可以得出随着offset的值越大耗时就越来越多。这还只是1000w数据，如果我们上亿数据呢，可想而知这时候查询的效率有多差。下面我们来进行优化。

4 .进行优化

子查询的分页方式：

SELECT * FROM user WHERE id >=(SELECT id FROM user ORDER BY id LIMIT 9000000, 1) LIMIT 10

从图可以得出子查询确实速度快了一倍。

JOIN分页方式：

SELECT * FROM user t1 INNER join

(SELECT id FROM user ORDER BY id LIMIT 9000000, 10) t2 on t2.id =t1.id

join的方式比子查询性能在稍微好点。

终极优化：

这个时间性能是最好的。这种优化必须要依赖前一次的查询的最大ID，如果是那种分页直接可以指定多少页的是不行的，必须是只能后一页，后一页这么点击。

SELECT id FROM user where id > 9000000 ORDER BY id LIMIT 10;