我要评论分页查询核心思路
分页的本质是限制查询结果的条数 + 跳过指定行数，并查询总记录数（用于计算总页数）。
核心参数：
pagenum：当前页码（从 1 开始）pagesize：每页显示条数- 起始行计算：
startrow = (pagenum - 1) * pagesize - 总页数计算：
totalpages = (totalcount + pagesize - 1) / pagesize（向上取整）
常见分页实现方式
mybatis
1、mapper手动拼sql
mapper 接口：
import org.apache.ibatis.annotations.param;
import java.util.list;
public interface usermapper {
// 查询分页数据
list<user> selectuserbypage(@param("startrow") int startrow, @param("pagesize") int pagesize);
// 查询总条数
int selectusertotalcount();
}
mapper.xml：
<?xml version="1.0" encoding="utf-8"?>
<!doctype mapper public "-//mybatis.org//dtd mapper 3.0//en"
"http://mybatis.org/dtd/mybatis-3-mapper.dtd">
<mapper namespace="com.example.mapper.usermapper">
<!-- 分页查询数据 -->
<select id="selectuserbypage" resulttype="com.example.entity.user">
select id, name, age from user limit #{startrow}, #{pagesize}
</select>
<!-- 查询总条数 -->
<select id="selectusertotalcount" resulttype="int">
select count(*) from user
</select>
</mapper>2、pagehelper 插件
需要在 pom.xml 中添加 pagehelper 依赖
<dependency>
<groupid>com.github.pagehelper</groupid>
<artifactid>pagehelper-spring-boot-starter</artifactid>
<version>1.4.7</version>
</dependency>在调用时添加如下代码
// 开启分页（只对紧接着的第一个查询生效） pagehelper.startpage(pagenum, pagesize);
mybatis-plus
1、使用内置分页插件 paginationinnerinterceptor
page<forlan> page = new page<>(pagenum, pagesize);
querywrapper<forlan> querywrapper = new querywrapper<>();
querywrapper.eq("id", id);
mapper.selectpage(page, querywrapper);
service.lambdaquery().page(new page<>(pagenum, pagesize))
2、基于偏移量的分页（升级写法，自己控制结束）
核心参数：
1.limit n
- 表示“只返回最多 n 条记录”。
- 通常用来控制每页显示的数据条数。
2.offset m
- 表示“跳过前 m 条记录”，从第 m+1 条开始取数据。
- 用于定位到当前请求的页码起始位置。
核心：service.query().last("limit " + batchsize + " offset " + offset).list();
final int batchsize = 1000;
list<forlan> allresults = new arraylist<>();
int offset = 0;
boolean hasmoreresults = true;
while (hasmoreresults) {
try {
list<forlan> batchresults = service.query().last("limit " + batchsize + " offset " + offset).list();
if (batchresults == null || batchresults.isempty()) {
hasmoreresults = false;
} else {
allresults.addall(batchresults);
offset += batchresults.size();
}
} catch (exception e) {
log.info("error querying batch: ", e);
hasmoreresults = false;
}
}
return allresults;
上面的写法，存在问题：随着 offset 增大，性能下降严重，对大数据量场景不友好，适合深度翻页，比如：
-- 查询第10001页，每页10条数据 select * from products order by id limit 10 offset 100000;
这条sql的执行逻辑并非直接定位到第100,001条记录。mysql的实际处理过程是：从存储引擎中读取满足条件的前 100010 (offset + limit) 条记录，在服务层（server layer）对这些记录进行排序，抛弃前面的 100000 条记录，返回最终的 10 条记录。
所以，offset 值越大，mysql需要扫描、加载并最终抛弃的行数就越多，这导致了巨大的i/o和cpu资源浪费，是性能下降的直接原因。
1）延迟关联：优化后的写法
核心思想：先通过覆盖索引快速定位到目标页的主键id，然后再关联原表获取完整的行数据，从而减少对主表数据的扫描。
long lastid = 0l;
final int batchsize = 1000;
list<forlan> allresults = new arraylist<>();
boolean hasmoreresults = true;
while (hasmoreresults) {
try {
list<forlan> batchresults = service.query().gt("id", lastid).last("limit " + batchsize).list();
if (batchresults == null || batchresults.isempty()) {
hasmoreresults = false;
} else {
allresults.addall(batchresults);
lastid = batchresults.get(batchresults.size() - 1).getid();
}
} catch (exception e) {
log.info("error querying batch: ", e);
hasmoreresults = false;
}
}
return allresults;
存在问题，如果扫描的最小id在几千万，这时候首次查询也是非常耗费时间的，进一步优化的写法如下：
final int batchsize = 1000;
list<forlan> allresults = new arraylist<>();
boolean hasmoreresults = true;
forlan forlan = service.query().select("min(id) id").one();
if (forlan == null) {
return allresults;
}
long lastid = forlan.getid() - 1;
while (hasmoreresults) {
try {
list<forlan> batchresults = service.query().gt("id", lastid).last("limit " + batchsize).list();
if (batchresults == null || batchresults.isempty()) {
hasmoreresults = false;
} else {
allresults.addall(batchresults);
lastid = batchresults.get(batchresults.size() - 1).getid();
}
} catch (exception e) {
log.info("error querying batch: ", e);
hasmoreresults = false;
}
}
return allresults;
2）书签法
是目前性能最优的方案。它摒弃了offset，通过上一页最后一条记录的唯一键值来定位下一页的起始位置，但要求主键或查询条件连续
假设我们按自增id排序，上一页返回的最后一条记录id为100000。不使用offset，而是利用上一页的id进行定位
select * from products where id > 100000 order by id asc limit 10;
优点：查询性能恒定，不受分页深度影响，速度极快。
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持代码网。
发表评论