关键在于避免深分页性能损耗，优化应摒弃Offset，采用覆盖索引或键集分页，减少扫描提升速度。
高性能关系型数据库分页的核心解决方案在于摒弃传统的 LIMIT offset, size 深度分页模式，转而采用基于索引覆盖的“游标滚动”或“延迟关联”策略，通过直接定位数据起始位置来消除因大偏移量带来的全表扫描或索引回表开销，在处理百万级甚至千万级数据量时，必须利用数据库索引的有序性，将“扫描并丢弃”转变为“精准定位”，从而实现毫秒级的响应速度。
传统分页的性能瓶颈
在深入优化方案之前,必须明确为何传统的 LIMIT 写法在数据量增大时会失效，大多数开发者习惯使用 SELECT * FROM table ORDER BY id LIMIT 100000, 10 这样的SQL语句，从逻辑上看，这是取出第100001到100010条记录，在数据库底层执行引擎中，这并非“直接跳到第100001行”，而是“扫描前100010行，然后丢弃前100000行”。
随着偏移量的增加,扫描的行数线性增长，对于InnoDB存储引擎而言，即使是基于主键索引的扫描，也需要在B+树中进行大量的遍历，如果涉及非主键排序或回表查询（即先查索引再回表查数据），性能损耗会呈指数级上升，导致CPU飙升和IO阻塞，解决高性能分页的本质，就是避免无意义的行扫描。
核心优化方案一：游标法（Keyset Pagination）
游标法,也被称为键集分页，是目前解决深度分页最有效、性能最稳定的方案，其核心思想是利用上一页最后一条数据的索引值作为下一页查询的起始条件。
假设我们按主键 id 升序排列，第一页查询为 SELECT * FROM table ORDER BY id LIMIT 10，当用户请求第二页时，前端将第一页最后一条记录的 id（假设为100）传回后端，SQL语句变为：
SELECT * FROM table WHERE id > 100 ORDER BY id LIMIT 10;
这种写法利用了B+树的有序性，数据库可以直接定位到 id 为100的叶子节点，然后向后读取10条记录，无论数据量多大，查询耗时始终维持在常数级别，不会随着页码的增加而变长。
适用场景与局限性：
游标法要求排序字段必须是唯一的且索引良好的（通常是主键），它的局限性在于无法支持“跳页”（例如直接跳到第500页），只能支持“上一页”和“下一页”的翻页模式，但在移动互联网和无限滚动的交互场景下，这种限制通常是可以接受的，甚至是更符合用户行为习惯的。
核心优化方案二：延迟关联（Deferred Join）
在某些业务场景下,必须支持随机跳页，或者排序字段较为复杂（例如多字段排序 ORDER BY create_time, id），此时单纯的游标法可能难以直接应用，针对这种情况，可以使用“延迟关联”技术进行优化。
延迟联的基本原理是利用覆盖索引来加速偏移量的定位,然后再通过关联查询获取完整数据，传统的 SELECT * 会导致回表，而优化后的SQL分为两步：
-
利用覆盖索引快速定位ID： 只查询排序字段和主键ID，不查询其他数据列，因为索引页通常比数据页小得多，且完全在内存中操作，速度极快。
SELECT id FROM table ORDER BY sort_col LIMIT 100000, 10;
-
根据ID关联获取完整数据： 将第一步获取的ID列表与原表进行关联，获取所需的全部字段。
SELECT t.* FROM table t INNER JOIN (SELECT id FROM table ORDER BY sort_col LIMIT 100000, 10) AS tmp ON t.id = tmp.id;
这种写法避免了在大量偏移扫描时进行昂贵的回表操作,虽然仍然需要扫描索引中的偏移量，但由于索引体量小、缓存命中率高，其性能通常比直接 SELECT * 提升一个数量级。
核心优化方案三：ID范围预计算
对于数据分布均匀且连续的主键（如自增ID），如果业务允许，可以通过计算ID范围来替代 LIMIT，如果每页10条数据，第10000页的数据范围大致在ID 100001到100010之间。
SQL可以写为：
SELECT * FROM table WHERE id BETWEEN 100001 AND 100010 ORDER BY id;
这种方法性能极佳,因为它直接利用主键索引的范围扫描，其致命弱点是数据的物理连续性，如果数据中有大量删除操作，导致ID不连续，这种方法会出现漏数据或每页数据量不足的问题，它仅适用于对数据完整性要求不极端严格，或者ID严格连续的日志类、流水类数据表。
独家见解与混合策略实践
在实际的架构设计中,单一的优化方案往往无法覆盖所有业务场景，基于多年的数据库性能调优经验，我建议采用“混合分页策略”来平衡性能与功能。
前端阈值控制
绝大多数用户在浏览列表时，翻页行为集中在前5页，对于前100页的数据，我们可以直接使用 LIMIT offset 配合适当的索引，或者使用延迟关联，因为此时偏移量尚在可接受范围内，当用户翻页超过一定阈值（例如第100页）时，系统自动禁用“跳页”功能，强制切换为“下一页”模式，并启用游标法，这样既保证了普通用户的体验，又防止了爬虫或异常请求拖垮数据库。
业务妥协与搜索引擎引入
对于深度分页且需要复杂检索、排序的业务（如电商的商品筛选、订单历史查询），关系型数据库本身并不是最优解，当单表数据超过两千万行，且查询条件涉及多个模糊字段时，任何SQL优化都只是治标，专业的架构方案应当引入Elasticsearch等搜索引擎，ES利用倒排索引和分片技术，天生解决了深度分页的性能痛点（尽管ES自身也有深度分页限制，但其性能远超关系型数据库），将数据同步至ES，由ES负责分页和检索，MySQL仅作为底层数据源存储，这是目前互联网大厂处理海量数据分页的标准范式。
禁止无限制分页
从安全性和性能角度出发，系统后端应严格限制分页的最大页码，禁止查询超过1000页的数据，对于历史数据的查询，应引导用户通过缩小时间范围、增加筛选条件来减少结果集，而不是单纯地通过翻页来寻找数据，这不仅保护了数据库，也提升了用户查找数据的效率。
高性能关系型数据库分页并非一个简单的SQL语法问题,而是一场关于索引原理、执行计划理解与业务场景权衡的博弈，通过游标法实现精准定位、通过延迟关联减少回表、以及通过混合策略应对复杂需求，我们可以将分页查询从毫秒级延迟的陷阱中解救出来，在数据量持续增长的今天，合理选择分页策略，是保障系统稳定性和用户体验的关键一环。
您在目前的数据库分页实现中遇到的最大性能瓶颈是在哪一页？欢迎在评论区分享您的具体SQL语句或执行计划，我们可以一起探讨更具针对性的优化方案。
以上就是关于“高性能关系型数据库分页”的问题，朋友们可以点击主页了解更多内容，希望可以够帮助大家!
原创文章，发布者：酷番叔，转转请注明出处：https://cloud.kd.cn/ask/88519.html
