物理分頁為什麼用limit

在講解limit之間，我們先說說分頁的事情。
分頁有邏輯分頁和物理分頁，就像刪除有邏輯刪除和物理刪除。邏輯刪除就是改變資料庫的狀態，物理刪除就是直接刪除資料庫的記錄，而邏輯刪除只是改變該資料庫的狀態。例如

同理，邏輯分頁和物理分頁是有區別的

為什麼邏輯分頁佔用較大的記憶體空間，比如我有一張表，表的資訊是：

-- ----------------------------
-- Table structure for vote_record_memory
-- ----------------------------
DROP TABLE IF EXISTS `vote_record_memory`;
CREATE TABLE `vote_record_memory` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `user_id` varchar(20) NOT NULL,
  `vote_id` int(11) NOT NULL,
  `group_id`
 
 int(11) NOT NULL,
  `create_time` datetime NOT NULL,
  PRIMARY KEY (`id`),
  KEY `index_id` (`user_id`) USING HASH
) ENGINE=MEMORY AUTO_INCREMENT=3000001 DEFAULT CHARSET=utf8;

向該表中插入300萬條資料後，再轉儲到桌面，檢視轉儲後的SQL檔案的屬性：

這是多麼龐大的資料，佔用的記憶體多麼可怕，為什麼我們再選用資料庫。這也是我們使用雲伺服器時，設定mysql的儲存空間的大小。
我們一般不推薦使用邏輯分頁，而使用物理分頁。在使用物理分頁的時候，就要考慮到limit的用法。

解釋limit

limit X，Y ，跳過前X條資料，讀取Y條資料

• X表示第一個返回記錄行的偏移量，Y表示返回記錄行的最大數目
• 如果X為0的話，即 limit 0, Y，相當於limit Y、

通過業務分析limit

• 我有一張工資表，只顯示最新的前兩條記錄，同時進行員工姓名和工資提成備註查詢

SELECT
    cue.real_name empName,
    zs.push_money AS pushMoney,
    zs.push_money_note AS pushMoneyNote,
    zs.create_datetime AS createTime
FROM
    zq_salary zs  //主表
LEFT JOIN core_user_ext cue ON cue.id = zs.user_id   //從表 on之後是從表的條件
WHERE
    zs.is_deleted = 0
AND (
    cue.real_name LIKE '%李%'
    OR zs.push_money_note LIKE '%測%'
)
ORDER BY
    zs.create_datetime DESC
LIMIT 2;

就相當於
ORDER BY
    zs.create_datetime DESC
LIMIT 0,2;

limit的效率問題

• 我有一個需求，就是從vote_record_memory表中查出3600000到3800000的資料，此時在id上加個索引，索引的型別是Normal，索引的方法是BTREE，分別用兩種方法查詢

-- 方法1
SELECT * FROM vote_record_memory vrm  LIMIT 3600000,20000 ;

-- 方法2
SELECT * FROM vote_record_memory vrm WHERE vrm.id >= 3600000 LIMIT 20000 

你會發現，方法2的執行效率遠比方法1的執行效率高，幾乎是方法1的九分之一的時間。
為什麼方法1的效率低，而方法二的效率高呢？

• 分析一、
  因為在方法1中，我們使用的單純的limit。limit隨著行偏移量的增大，當大到一定程度後，會出現效率下降。而方法2用上索引加where和limit，效能基本穩定，受偏移量和行數的影響不大。

• 分析二、
  我們用explain來分析
  
  
  可見，limit語句的執行效率未必很高，因為會進行全表掃描，這就是為什麼方法1掃描的的行數是400萬行的原因。方法2的掃描行數是47945行，這也是為什麼方法2執行效率高的原因。我們儘量避免全表掃描查詢，尤其是資料非常龐大，這張表僅有400萬條資料，方法1和方法就有這麼大差距，可想而知上千萬條的資料呢。
  能用索引的儘量使用索引，type至少達到range級別，這不是我說的，這是阿里巴巴開發手冊的5.2.8中要求的
  
  我不用索引查詢到的結果和返回的時間和方法1的時間差不多：

SELECT * FROM vote_record_memory vrm WHERE vrm.id >= 3600000 LIMIT
20000 受影響的行: 0 時間: 0.196s

這也就是我們為什麼儘量使用索引的原因。mysql索引方法一般有BTREE索引和HASH索引，hash索引的效率比BTREE索引的效率高，但我們經常使用BTREE索引，而不是hash索引。因為最重要的一點就是：Hash索引僅僅能滿足”=”,”IN”和”<=>”查詢，不能使用範圍查詢。

如果是範圍查詢，我們為什麼用BTREE索引的原因。BTREE索引就是二叉樹索引，學過資料結構的應該都清楚，這裡就不贅述了。

limit物理分頁

我們都知道limit一般有兩個引數，X和Y，X表示跳過X個數據，讀取Y個數據，我們就此來查詢資料

如果是SQL語句來進行分頁的話，我們可以看到的是：

-- 首頁
SELECT * from vote_record_memory LIMIT 0,20;

-- 第二頁
SELECT * from vote_record_memory LIMIT 20,20;

-- 第三頁
SELECT * from vote_record_memory LIMIT 40,20;

-- 第四頁
SELECT * from vote_record_memory LIMIT 60,20;

-- n頁
SELECT * from vote_record_memory LIMIT (n-1)*20,20;

因而，如果是用java的話，我們就可以寫一個方法，有兩個引數，一個是頁數，一個每頁顯示的行數

    /**
     * @description          簡單的模擬分頁雛形
     * @author               zby
     * @param currentPage    當前頁
     * @param lines          每頁顯示的多少條
     * @return               資料的集合
     */
    public List<Object> listObjects(int currentPage, int lines) {
        String sql = "SELECT * from vote_record_memory LIMIT " + (currentPage - 1) * lines + "," + lines;
        return null;
    }