如何向數(shù)據(jù)庫快速的寫入百萬條數(shù)據(jù)
成都創(chuàng)新互聯(lián)公司專注于七里河網(wǎng)站建設(shè)服務(wù)及定制，我們擁有豐富的企業(yè)做網(wǎng)站經(jīng)驗。 熱誠為您提供七里河營銷型網(wǎng)站建設(shè)，七里河網(wǎng)站制作、七里河網(wǎng)頁設(shè)計、七里河網(wǎng)站官網(wǎng)定制、成都微信小程序服務(wù)，打造七里河網(wǎng)絡(luò)公司原創(chuàng)品牌,更為您提供七里河網(wǎng)站排名全網(wǎng)營銷落地服務(wù)。
現(xiàn)在我的處理方式是讀取原數(shù)據(jù)庫表的所有數(shù)據(jù)，大概有一百萬條吧，然后放到一個數(shù)組里面，循環(huán)向目標(biāo)數(shù)據(jù)庫寫數(shù)據(jù)（兩個數(shù)據(jù)庫之間的數(shù)據(jù)遷移，表結(jié)構(gòu)不同，我是寫的php腳本來查詢導(dǎo)入的），一開始速度還可以，但是現(xiàn)在幾乎一秒鐘一條了
本身從幾百萬數(shù)據(jù)中查1000條就慢,你還用for去循環(huán)這個過程 不慢就怪了
在用戶點擊一篇采購文章，會匹配到該文章全部相關(guān)內(nèi)容。所有數(shù)據(jù)是存在ES中的，百萬量級。恩~要用python寫一個接口。通過查找資料，通過 ES模糊搜索 可以實現(xiàn)。
prefix的匹配一般是處理不分詞的場景，將會匹配articleID中以”J”開頭的doc。prefix不會計算revelance score，只是作一個過濾的操作，和filter唯一的區(qū)別是filter會緩存結(jié)果，而prefix不會。前綴越短要處理的doc越多，性能越差。
?會匹配任意字符，*會匹配0個或多個字符。性能根prefix一樣差，必須要掃描整個倒排索引。
[0-9]：指定范圍內(nèi)的數(shù)字
[a-z]：指定范圍內(nèi)的字幕
.：一個字符
+：前面的正則表達式可以出現(xiàn)一次或多次
正則的搜索同樣會掃描全表，性能也會很差
fuzziness參數(shù)調(diào)整糾正的次數(shù)
通常不會直接用上述搜索，而會用下面的搜索：
在es中，使用組合條件查詢是其作為搜索引擎檢索數(shù)據(jù)的一個強大之處，在前幾篇中，簡單演示了es的查詢語法，但基本的增刪改查功能并不能很好的滿足復(fù)雜的查詢場景，比如說我們期望像mysql那樣做到拼接復(fù)雜的條件進行查詢該如何做呢？es中有一種語法叫bool，通過在bool里面拼接es特定的語法可以做到大部分場景下復(fù)雜條件的拼接查詢，也叫復(fù)合查詢
首先簡單介紹es中常用的組合查詢用到的關(guān)鍵詞，
filter:過濾，不參與打分
must:如果有多個條件，這些條件都必須滿足 and與
should:如果有多個條件，滿足一個或多個即可 or或
must_not:和must相反，必須都不滿足條件才可以匹配到 ！非
發(fā)生 描述
must
該條款（查詢）必須出現(xiàn)在匹配的文件，并將有助于得分。
filter
子句（查詢）必須出現(xiàn)在匹配的文檔中。然而不像 must查詢的分?jǐn)?shù)將被忽略。Filter子句在過濾器上下文中執(zhí)行，這意味著評分被忽略，子句被考慮用于高速緩存。
should
子句（查詢）應(yīng)該出現(xiàn)在匹配的文檔中。如果 bool查詢位于查詢上下文中并且具有mustor filter子句，則bool即使沒有should查詢匹配，文檔也將匹配該查詢 。在這種情況下，這些條款僅用于影響分?jǐn)?shù)。如果bool查詢是過濾器上下文 或者兩者都不存在，must或者filter至少有一個should查詢必須與文檔相匹配才能與bool查詢匹配。這種行為可以通過設(shè)置minimum_should_match參數(shù)來顯式控制 。
must_not
子句（查詢）不能出現(xiàn)在匹配的文檔中。子句在過濾器上下文中執(zhí)行，意味著評分被忽略，子句被考慮用于高速緩存。因為計分被忽略，0所有文件的分?jǐn)?shù)被返回。
下面用實驗演示一下上述查詢的相關(guān)語法，
1、首先，我們創(chuàng)建一個索引，并且在索引里添加幾條數(shù)據(jù)，方便后面使用，
我這里直接批量插入數(shù)據(jù)，也可以通過PUT的語法單條執(zhí)行插入，
POST /forum/article/_bulk
{ "index": { "_id": 1 }}
{ "articleID" : "XHDK-A-1293-#fJ3", "userID" : 1, "hidden": false, "postDate": "2019-07-01","title":"java contains hadoop and spark","topic":"java" }
{ "index": { "_id": 2 }}
{ "articleID" : "KDKE-B-9947-#kL5", "userID" : 1, "hidden": false, "postDate": "2019-07-02",title":"php contains admin","topic":"java and php" }
{ "index": { "_id": 3 }}
{ "articleID" : "JODL-X-1937-#pV7", "userID" : 2, "hidden": false, "postDate": "2019-07-03" ,title":"spark is new language","topic":"spark may use java"}
{ "index": { "_id": 4 }}
{ "articleID" : "QQPX-R-3956-#aD8", "userID" : 2, "hidden": true, "postDate": "2019-07-04" ,title":"hadoop may involve java","topic":"big data used"}
或者使用put語法
PUT /forum/article/4
{
"articleID": "QQPX-R-3956-#aD8",
"userID": 2,
"hidden": true,
"postDate": "2019-07-04",
"title": "hadoop may involve java",
"topic": "big data used"
}
4條數(shù)據(jù)插入成功，
2、termQuery,term查詢不分詞，類似于mysql的where filedName = ? 語法，即精準(zhǔn)匹配，比如我們查詢articleID = XHDK-A-1293-#fJ3的這條數(shù)據(jù)，
GET /forum/article/_search
{
"query": {
"term": {
"articleID.keyword":"XHDK-A-1293-#fJ3"
}
}
}
2、must查詢，即查詢的條件中必須匹配的字段，例如，查詢title中必須包含java的數(shù)據(jù)，
GET /forum/article/_search
{
"query": {
"bool": {
"must": [
{"term":{"title":"hadoop"}}
]
}
}
}
查出兩條數(shù)據(jù)
如果是should呢？如下語法，即查詢title中包含hadoop或者topic中包含spark，二者滿足其一即可，
GET /forum/article/_search
{
"query": {
"bool": {
"should": [
{"term":{"title":"hadoop"}},
{"term": {"topic": "spark"}}
]
}
}
}
查詢出3條數(shù)據(jù)，
must和should結(jié)合使用，
最后再來一個比較復(fù)雜的嵌套查詢，我們先看一下這條sql語句，
select *
from forum.article
where article_id=‘XHDK-A-1293-#fJ3’
or (article_id=‘JODL-X-1937-#pV7’ and post_date=‘2017-01-01’)，
對應(yīng)著轉(zhuǎn)化為es的復(fù)合查詢語法是怎樣的呢？拆分來看，就是一個should語句的嵌套，
GET /forum/article/_search
{
"query": {
"bool": {
"should": [
{
"term": {
"articleID.keyword": "XHDK-A-1293-#fJ3"
}
},
{
"bool": {
"must": [
{
"term": {
"articleID.keyword":"JODL-X-1937-#pV7"
}
},
{
"term": {
"postDate":"2019-07-01"
}
}
]
}
}
}
}
查詢到一條結(jié)果，按照這種思路，如果我們對一個復(fù)雜的查詢不知道如何構(gòu)建查詢語句時，可以考慮先按照sql的語法進行拆分，然后再組織es查詢語句是個不錯的突破口，
到這里，可能我們會有疑問，復(fù)合條件中的term查詢和單純的match區(qū)別在哪里呢？既然都是查詢，究竟原理有何不同呢？
我們知道m(xù)atch query是需要全文檢索的，是進行full text的全文檢索，當(dāng)然如果搜索的字段值做了not_analyzed，match query也相當(dāng)于是term query了，比如下面這個搜索，由于在插入數(shù)據(jù)的時候我們沒有對title這個字段進行規(guī)定，默認(rèn)就是text類型的，會被自動分詞，這樣查詢的時候只要title中包含了 hadoop，就可以匹配到，
GET /forum/article/_search
{
"query": {
"match": {
"title": "hadoop"
}
}
}
2、有些情況下，假如我們直接使用match進行查詢，又希望查出來的結(jié)果盡可能是我們期望的包含更多關(guān)鍵詞的結(jié)果，則在match進行匹配的時候可以添加其他的條件，以便提升結(jié)果的匹配精確度，
GET /forum/article/_search
{
"query": {
"match": {
"title": {
"query": "java hadoop",
"operator": "and"
}
}
}
}
這樣匹配出來的結(jié)果包含了更多我們期望的關(guān)鍵詞，即query中可以指定我們查詢的結(jié)果中包含的關(guān)鍵詞，
es還有其他的語法達到上述的效果，minimum_should_match ，通過這個語法，可以指定匹配的百分?jǐn)?shù)，就是查詢的關(guān)鍵詞至少要達到的百分?jǐn)?shù)，下面這個表示全部匹配，只查詢到一條結(jié)果，
假如我們將百分?jǐn)?shù)調(diào)低點，比如75%，可以看到查到兩條結(jié)果，
3、當(dāng)然，我們也可以將bool和match結(jié)合起來使用，如下，
GET /forum/article/_search
{
"query": {
"bool": {
"must": [
{"match": {"title": "java"}}
],
"must_not": [
{ "match": { "title": "spark"}}
]
, "should": [
{
"match": {
"title": "php"
}
}
]
}
}
}
通過這種方式，也可以達到更精準(zhǔn)的匹配我們期望的查詢結(jié)果，
簡單總結(jié)來說，當(dāng)我們使用match進行查詢的時候，如果查詢的field包含多個詞，比如像下面這個，
{
"match": { "title": "java elasticsearch"}
}
其實es會在底層自動將這個match query轉(zhuǎn)換為bool的語法bool should，指定多個搜索詞，同時使用term query，則轉(zhuǎn)化后的語法如下，
{
"bool": {
"should": [
{ "term": { "title": "java" }},
{ "term": { "title": "elasticsearch" }}
]
}
}
而上面所說的match中加and的查詢，對應(yīng)于bool查詢，轉(zhuǎn)化后為 term+must 的語法如下，
{
"match": {
"title": {
"query": "java elasticsearch",
"operator": "and"
}
}
}
{
"bool": {
"must": [
{ "term": { "title": "java" }},
{ "term": { "title": "elasticsearch" }}
]
}
}
對于minimum_should_match這種語法來說，道理類似，
{
"match": {
"title": {
"query": "java elasticsearch hadoop spark",
"minimum_should_match": "75%"
}
}
}
{
"bool": {
"should": [
{ "term": { "title": "java" }},
{ "term": { "title": "elasticsearch" }},
{ "term": { "title": "hadoop" }},
{ "term": { "title": "spark" }}
],
"minimum_should_match": 3
}
}
我們來看一個具體的操作實例，也就是說必須至少包含3個關(guān)鍵詞的數(shù)據(jù)才會出現(xiàn)在搜索結(jié)果中，
3、在搜索中，我們有這樣一種需求，期望搜索的結(jié)果中包含java 如果標(biāo)題中包含hadoop或spark就優(yōu)先搜索出來,同時呢，如果一個帖子包含java hadoop，一個帖子包含java spark，包含hadoop的帖子要比spark優(yōu)先搜索出來,
對于這樣的需求，通俗來講，就是需要通過增大某些搜索條件的權(quán)重，從而在搜索的結(jié)果中，更多符合和滿足我們業(yè)務(wù)場景的數(shù)據(jù)靠前搜索出來，在es中可以通過boost關(guān)鍵詞來增加搜索條件的權(quán)重，
GET /forum/article/_search
{
"query": {
"bool": {
"must": [
{
"match": {
"title": "java"
}
}
],
"should": [
{
"match": {
"title": {
"query": "hadoop"
}
}
},
{
"match": {
"title": {
"query": "spark",
"boost":2
}
}
},
{
"match": {
"title": {
"query": "php"
}
}
},
{
"match": {
"title": {
"query": "hadoop",
"boost": 5
}
}
}
]
}
}
}
上面這個例子意思是我們賦予搜索的title中包含hadoop的條件權(quán)重更大，hadoop的結(jié)果會有限被搜索出來
4、dis_max語法，也叫best_field,在某些情況下，假如我們在bool查詢中用多個字段進行查詢，但是查詢一樣，就可能導(dǎo)致說查詢出來的結(jié)果并不是按照我們期望的那個字段將其排在前面，也就是說，我們只需要包含指定字段的內(nèi)容展示在前面，如下，
GET /forum/article/_search
{
"query": {
"bool": {
"should": [
{ "match": { "title": "java solution" }},
{ "match": { "content": "java solution" }}
]
}
}
}
title和content的搜索條件相同，但我們希望的是結(jié)果中title 包含java solution的靠前展示，但直接這樣查詢可能達不到預(yù)期的效果，如果使用dis_max進行拼接就可以了，
GET /forum/article/_search
{
"query": {
"dis_max": {
"queries": [
{ "match": { "title": "java solution" }},
{ "match": { "content": "java solution" }}
]
}
}
}
通過這樣的方式，使得查詢的結(jié)果更符合預(yù)期值，
5、但是使用dis_max，只取某一個query最大的分?jǐn)?shù)，完全不考慮其他query的分?jǐn)?shù)，即假如說某個結(jié)果中包title含了java，但topic中沒有包含java，另一卻是相反，還有的結(jié)果是兩者都包含java，在dis_max語法下，只會拿到相關(guān)度得分最高的那一個，而不會考慮其他的結(jié)果，這時，如果需要獲取其他的title或者topic包含java的結(jié)果，可以使用tie_breaker進一步包裝，如下，
GET /forum/article/_search
{
"query": {
"dis_max": {
"queries": [
{ "match": { "title": "spark" }},
{ "match": { "topic": "java"}}
],
"tie_breaker": 0.6
}
}
}
這樣查到3條結(jié)果，綜合來說，最終還是需要結(jié)合實際業(yè)務(wù)場景進行使用，但是在大多數(shù)情況相愛，我們還是希望搜索的結(jié)果中是按照我們給定的條件包含更多的關(guān)鍵詞的內(nèi)容被優(yōu)先搜索出來，
有兩種情況, 一是 php可運行的最大時間是不是有設(shè)置. 雖然你加了set_time_limit(0). 但很有可能沒設(shè)置成功,因為php有安全模式, 你可以修改php.ini
2是系統(tǒng)資源不夠, 可能是php宕了或者 數(shù)據(jù)庫宕了.
自己曾經(jīng)做過一個網(wǎng)盤項目。剛開始由于需要快速地從0到1建設(shè)上線，所以沒有對核心文檔表進行分表。當(dāng)然我的架構(gòu)理念也是“按需架構(gòu)設(shè)計”。產(chǎn)品需求在沒有明確的長遠計劃的情況下以“小步快跑，趕超競品”為主。后期由于產(chǎn)品功能觸達目標(biāo)用戶群需求點、產(chǎn)品用戶體驗不斷提升、產(chǎn)品多方位導(dǎo)流、加強產(chǎn)品推廣文檔表每天有百萬數(shù)據(jù)增長量。不得不對文檔表進行按用戶id分表。當(dāng)時產(chǎn)品功能已全覆蓋文檔的生命周期。產(chǎn)品功能已豐富多彩。修改所有關(guān)聯(lián)文檔表的業(yè)務(wù)代碼為按用戶id分表開發(fā)測試成本非常高。上線后線上問題不可控。經(jīng)過考慮在業(yè)務(wù)代碼最底層DB層進行SQL語句解析來進行用戶id分表處理。這樣的話開發(fā)測試成本都非常低。上線后有問題方便回滾和追查原因。
今天為大家介紹Python/PHP兩種MySQL語句解析器。當(dāng)時網(wǎng)盤項目用的是PHP編程語言開發(fā)。
Python的SQL語句解析器 。個人推薦使用moz_sql_parser庫。經(jīng)調(diào)研官方的sqlparse庫解析出來的語句段無法滿足需求也很難理解。
1、Python moz_sql_parser庫安裝
2、Python moz_sql_parser SQL語句解析
3、Python moz_sql_parser總結(jié)
PHP的SQL語句解析器。 個人推薦使用PhpMyAdmin的sql-parser組件。PhpMyAdmin是經(jīng)過 歷史 檢驗可信賴的。
1、PHP PhpMyAdmin/sql-parser安裝
2、PHP PhpMyAdmin/sql-parser SQL語句解析
3、PHP PhpMyAdmin/sql-parser總結(jié)
大家有什么問題可以發(fā)評論溝通。
php+Mysql 優(yōu)化，百萬至千萬級快速分頁
MySql 性能到底能有多高？用了php半年多，真正如此深入的去思考這個問題還是從前天開始。有過痛苦有過絕望，到現(xiàn)在充滿信心！MySql 這個數(shù)據(jù)庫絕對是適合dba級的高手去玩的，一般做一點1萬篇新聞的小型系統(tǒng)怎么寫都可以，用xx框架可以實現(xiàn)快速開發(fā)。可是數(shù)據(jù)量到了10萬，百萬至千萬，他的性能還能那么高嗎？一點小小的失誤，可能造成整個系統(tǒng)的改寫，甚至更本系統(tǒng)無法正常運行！好了，不那么多廢話了。用事實說話，看例子：
數(shù)據(jù)表 collect ( id, title ,info ,vtype) 就這4個字段，其中 title 用定長，info 用text, id 是逐漸，vtype是tinyint，vtype是索引。這是一個基本的新聞系統(tǒng)的簡單模型?，F(xiàn)在往里面填充數(shù)據(jù)，填充10萬篇新聞。
最后collect 為 10萬條記錄，數(shù)據(jù)庫表占用硬盤1.6G。OK ,看下面這條sql語句：
select id,title from collect limit 1000,10; 很快；基本上0.01秒就OK，再看下面的
select id,title from collect limit 90000,10; 從9萬條開始分頁，結(jié)果？
8-9秒完成，my god 哪出問題了？？？？其實要優(yōu)化這條數(shù)據(jù)，網(wǎng)上找得到答案。看下面一條語句:
select id from collect order by id limit 90000,10; 很快，0.04秒就OK。為什么？因為用了id主鍵做索引當(dāng)然快。網(wǎng)上的改法是：
select id,title from collect where id=(select id from collect order by id limit 90000,1) limit 10;
這就是用了id做索引的結(jié)果?？墒菃栴}復(fù)雜那么一點點，就完了。看下面的語句
select id from collect where vtype=1 order by id limit 90000,10; 很慢，用了8-9秒！
到了這里我相信很多人會和我一樣，有崩潰感覺！vtype 做了索引了??？怎么會慢呢？vtype做了索引是不錯，你直接 select id from collect where vtype=1 limit 1000,10; 是很快的，基本上0.05秒，可是提高90倍，從9萬開始，那就是0.05*90=4.5秒的速度了。和測試結(jié)果8-9秒到了一個數(shù)量級。從這里開始有人提出了分表的思路，這個和discuz 論壇是一樣的思路。思路如下：
建一個索引表： t (id,title,vtype) 并設(shè)置成定長，然后做分頁，分頁出結(jié)果再到 collect 里面去找info 。 是否可行呢？實驗下就知道了。
10萬條記錄到 t(id,title,vtype) 里，數(shù)據(jù)表大小20M左右。用
select id from t where vtype=1 order by id limit 90000,10; 很快了?；旧?.1-0.2秒可以跑完。為什么會這樣呢？我猜想是因為collect 數(shù)據(jù)太多，所以分頁要跑很長的路。limit 完全和數(shù)據(jù)表的大小有關(guān)的。其實這樣做還是全表掃描，只是因為數(shù)據(jù)量小，只有10萬才快。OK，來個瘋狂的實驗，加到100萬條，測試性能。
加了10倍的數(shù)據(jù)，馬上t表就到了200多M，而且是定長。還是剛才的查詢語句，時間是0.1-0.2秒完成！分表性能沒問題？錯！因為我們的limit還是9萬，所以快。給個大的，90萬開始
select id from t where vtype=1 order by id limit 900000,10; 看看結(jié)果，時間是1-2秒！
why 分表了時間還是這么長，非常之郁悶！有人說定長會提高limit的性能，開始我也以為，因為一條記錄的長度是固定的，mysql 應(yīng)該可以算出90萬的位置才對??？ 可是我們高估了mysql 的智能，他不是商務(wù)數(shù)據(jù)庫，事實證明定長和非定長對limit影響不大？怪不得有人說 discuz到了100萬條記錄就會很慢，我相信這是真的，這個和數(shù)據(jù)庫設(shè)計有關(guān)！
難道MySQL 無法突破100萬的限制嗎？？？到了100萬的分頁就真的到了極限？？？
答案是： NO !!!! 為什么突破不了100萬是因為不會設(shè)計mysql造成的。下面介紹非分表法，來個瘋狂的測試！一張表搞定100萬記錄，并且10G 數(shù)據(jù)庫，如何快速分頁！
好了，我們的測試又回到 collect表，開始測試結(jié)論是： 30萬數(shù)據(jù)，用分表法可行，超過30萬他的速度會慢道你無法忍受！當(dāng)然如果用分表+我這種方法，那是絕對完美的。但是用了我這種方法后，不用分表也可以完美解決！
答案就是：復(fù)合索引！有一次設(shè)計mysql索引的時候，無意中發(fā)現(xiàn)索引名字可以任取，可以選擇幾個字段進來，這有什么用呢？開始的select id from collect order by id limit 90000,10; 這么快就是因為走了索引，可是如果加了where 就不走索引了。抱著試試看的想法加了 search(vtype,id) 這樣的索引。然后測試
select id from collect where vtype=1 limit 90000,10; 非常快！0.04秒完成！
再測試: select id ,title from collect where vtype=1 limit 90000,10; 非常遺憾，8-9秒，沒走search索引！
再測試：search(id,vtype)，還是select id 這個語句，也非常遺憾，0.5秒。
綜上：如果對于有where 條件，又想走索引用limit的，必須設(shè)計一個索引，將where 放第一位，limit用到的主鍵放第2位，而且只能select 主鍵！
完美解決了分頁問題了?？梢钥焖俜祷豬d就有希望優(yōu)化limit ， 按這樣的邏輯，百萬級的limit 應(yīng)該在0.0x秒就可以分完?？磥韒ysql 語句的優(yōu)化和索引時非常重要的！
好了，回到原題，如何將上面的研究成功快速應(yīng)用于開發(fā)呢？如果用復(fù)合查詢，我的輕量級框架就沒的用了。分頁字符串還得自己寫，那多麻煩？這里再看一個例子，思路就出來了：
select * from collect where id in (9000,12,50,7000); 竟然 0秒就可以查完！
mygod ，mysql 的索引竟然對于in語句同樣有效！看來網(wǎng)上說in無法用索引是錯誤的！
有了這個結(jié)論，就可以很簡單的應(yīng)用于輕量級框架了：
代碼如下：
$db=dblink();
$db-pagesize=20;
$sql="select id from collect where vtype=$vtype";
$db-execute($sql);
$strpage=$db-strpage(); //將分頁字符串保存在臨時變量，方便輸出
while($rs=$db-fetch_array()){
$strid.=$rs['id'].',';
}
$strid=substr($strid,0,strlen($strid)-1); //構(gòu)造出id字符串
$db-pagesize=0; //很關(guān)鍵，在不注銷類的情況下，將分頁清空，這樣只需要用一次數(shù)據(jù)庫連接，不需要再開；
$db-execute("select id,title,url,sTime,gTime,vtype,tag from collect where id in ($strid)");
php while($rs=$db-fetch_array()):
tr
td$amp;amp;$amp;nbsp; php echo $rs['id']; $amp;amp;$lt;/td
td$amp;amp;$amp;nbsp; php echo $rs['url']; $amp;amp;$lt;/td
td$amp;amp;$amp;nbsp; php echo $rs['sTime']; $amp;amp;$lt;/td
td$amp;amp;$amp;nbsp; php echo $rs['gTime']; $amp;amp;$lt;/td
td$amp;amp;$amp;nbsp; php echo $rs['vtype']; $amp;amp;$lt;/td
td$amp;amp;$amp;nbsp;a act=showid= php echo $rs['id']; $amp;quot;$ target="_blank"$amp;amp;$lt; php echo $rs['title']; $amp;amp;$lt;/a$amp;amp;$lt;/td
td$amp;amp;$amp;nbsp; php echo $rs['tag']; $amp;amp;$lt;/td
/tr
php endwhile;
/table
php
echo $strpage;
通過簡單的變換，其實思路很簡單：1）通過優(yōu)化索引，找出id，并拼成 "123,90000,12000" 這樣的字符串。2）第2次查詢找出結(jié)果。
小小的索引+一點點的改動就使mysql 可以支持百萬甚至千萬級的高效分頁！
通過這里的例子，我反思了一點：對于大型系統(tǒng)，PHP千萬不能用框架，尤其是那種連sql語句都看不到的框架！因為開始對于我的輕量級框架都差點崩潰！只適合小型應(yīng)用的快速開發(fā)，對于ERP,OA，大型網(wǎng)站，數(shù)據(jù)層包括邏輯層的東西都不能用框架。如果程序員失去了對sql語句的把控，那項目的風(fēng)險將會成幾何級數(shù)增加！尤其是用mysql 的時候，mysql 一定需要專業(yè)的dba 才可以發(fā)揮他的最佳性能。一個索引所造成的性能差別可能是上千倍！
PS: 經(jīng)過實際測試，到了100萬的數(shù)據(jù)，160萬數(shù)據(jù)，15G表，190M索引，就算走索引，limit都得0.49秒。所以分頁最好別讓別人看到10萬條以后的數(shù)據(jù)，要不然會很慢！就算用索引。經(jīng)過這樣的優(yōu)化，mysql到了百萬級分頁是個極限！但有這樣的成績已經(jīng)很不錯，如果你是用sqlserver肯定卡死！而 160萬的數(shù)據(jù)用 id in (str) 很快，基本還是0秒。如果這樣，千萬級的數(shù)據(jù)，mysql應(yīng)該也很容易應(yīng)付。
重慶分公司
重慶分公司
