亿万级分库分表后如何进行跨表分页查询

前言

在常规的应用系统开发中，很少会涉及到需要对数据进行分库或者分表的操作，多数情况下，我们习惯使用ORM带来的便利，且使用连接查询是一种高效率的开发方式，就算涉及到分表的场景，很多时候也都可以使用ORM自带的分表规则来解决问题。

比如在电商场景中，用户和订单是属于重点增量的数据，通常情况下，或者按用户编号取模或者按订单编号取模进行分表，按便利性来区分，可以使用按用户编号分表解决后续跨表分页查询问题，这也是推荐的方式之一。

据说淘宝采用的是双写订单，即客户和商家各自一套冗余数据库，再指向订单表，这样做可以规避资源抢夺的问题。

分表后查询的多种方法

全局表查询

顾名思义，全局查询就是将分表后的数据主键再集中存储到一张表中，由于全局表只存储很简单的编号信息，查询效率相对较高，但是在数据持续增长的情况下，压力也越来越大。

禁止跳页查询

禁止跳页查询在移动互联网中广泛被应用，这种方法的原理是在查询中摒弃舍弃传统的Page，转而使用一个timestamp时间戳来代码页码，下一页的查询总是在上一页的最后一条记录的时间戳之后，当客户端拉取不到任何数据的时候，即可停止分页。

这种方法带的一个问题就是不允许进行跳转分页，并且会带来冗余查询的问题，比如需要查询多张表后才得到PageSize需要的数据量，只能按部就班的往下查询，不能进行并行查询。特别致命的是，此方法还将带来重复数据的问题。对数据精度要求不高的场景可以采用。

按日期的二次查询法

按日期的二次查询法号称可以解决分页带来的性能和精度问题，具体原理为，先将分页跳过的数据量平均分布到所有表中，如 Page=10,PageSize=50，如果有5个分表，则SQL语句：page=page/5,LIMIT 2,10;分别对5张表进行查询，得到5个结果集，此时，5个结果集里面分别有10条数据，其中下标0和rn-1的结果分别是当前结果集中的最小和最大时间戳(maxTimestamp)，通过比较5张表的返回记录得到一个最小的时间戳 minTimestamp，再将这个最小的时间戳带入SQL条件进行二次查询，SQL代码

1. SELECT * FROM TABLE_NAME WHERE Timestamp BETWEEN @minTimestamp AND @maxTimestamp ORDER BY Timestamp

通过上面的代码，可以从数据库中得到一个完全的结果集，然后在内存中将5个结果集合并排序，取分页数据即可。看起来无懈可击，完美解决了上面两种分页查询引起的问题。实际上我个人认为，这里面还是有一些需要注意的地方，比如由于分表规则的问题导致第一次查询的表比较多（可能几千张表），又或者在二次查询中，某个区间的数据比较大，最后就是在内存中合并结果集也会造成性能问题。
这种查询方法还是解决了精度的问题，也部分解决了性能问题，特别是在取模分表的场景，数据随机性比较大的情况下，还是非常有用的。

大数据集成法

当数据量达到一定程度的时候，可以考虑上ELK或者其它大数据套件，可以很好的解决分页带的影响。

NewSql法

如果有条件，可以迁移数据库到NewSql类型的数据库上，NewSql数据库属于分布式数据库，既有关系数据库的优点又可以无限扩表，通常还支持关系数据库间的无障碍迁移，比如国产的TiDB数据库等。

有序的二次查询法

有序的二次查询法是基于上面的按日期的二次查询法发展而来，这种方法目前还处于测试阶段，具体做法是将数据按天进行分表，这样就可以确保数据块是连续的，以查询最近17天的分页数据为例，先查询出所有表的总行数，这里使用 COUNT(*) ，Mysql 会优化为information_schema.TABLES.TABLE_ROWS 索引查询提高查询效率，不用担心性能问题，下面列出详细的测试步骤。

建立分页实体

1. public class PageEntity

2. {

3. /// <summary>

4. /// 跳过的记录数

5. /// </summary>

6. public long Skip { get ; set ; }

7. /// <summary>

8. /// 选取的记录数

9. /// </summary>

10. public long Take { get ; set ; }

11. /// <summary>

12. /// 总行数

13. /// </summary>

14. public long Total { get ; set ; }

15. /// <summary>

16. /// 表名

17. /// </summary>

18. public string TableName { get ; set ; }

19. }

定义分页算法类

1. public class PageDataService

2. {

3. ...

4. }

初始化表

在 PageDataService 类中使用内存表模拟数据库表，主要模拟数据分页的情况，所以每个表的数据量都很小，方便人肉计算和跳页

1. private readonly static List < PageEntity > entitys = new List < PageEntity >()

2. {

3. new PageEntity { Total = 12 , TableName = "230301" },

4. new PageEntity { Total = 3 , TableName = "230302" },

5. new PageEntity { Total = 4 , TableName = "230303" },

6. new PageEntity { Total = 1 , TableName = "230304" },

7. new PageEntity { Total = 1 , TableName = "230305" },

8. new PageEntity { Total = 7 , TableName = "230306" },

9. new PageEntity { Total = 2 , TableName = "230307" },

10. new PageEntity { Total = 11 , TableName = "230308" },

11. new PageEntity { Total = 41 , TableName = "230309" },

12. new PageEntity { Total = 25 , TableName = "230310" },

13. new PageEntity { Total = 33 , TableName = "230311" },

14. new PageEntity { Total = 8 , TableName = "230312" },

15. new PageEntity { Total = 3 , TableName = "230313" },

16. new PageEntity { Total = 0 , TableName = "230314" },

17. new PageEntity { Total = 17 , TableName = "230315" },

18. new PageEntity { Total = 88 , TableName = "230316" },

19. new PageEntity { Total = 2 , TableName = "230317" }

20. };

分页算法

1. public static List < PageEntity > Pagination ( int page , int pageSize )

2. {

3. long preBlock = 0 ;

4. int currentPage = page ;

5. long currentPageSize = pageSize ;

6. List < PageEntity > results = new List < PageEntity >();

8. foreach ( var item in entitys )

9. {

10. var skip = (( currentPage - 1 ) * currentPageSize ) + preBlock ;

11. var remainder = item . Total - skip ;

12. if ( remainder > 0 )

13. {

14. item . Skip = skip ;

15. item . Take = currentPageSize ;

16. if ( remainder >= currentPageSize )

17. {

18. results . Add ( item );

19. break ;

20. }

21. else

22. {

23. currentPageSize = currentPageSize - remainder ;

24. item . Take = remainder ;

25. currentPage = 1 ;

26. preBlock = 0 ;

27. results . Add ( item );

28. }

29. }

30. else

31. {

32. preBlock = Math . Abs ( remainder );

33. currentPage = 1 ;

34. }

35. }

37. // 输出测试结果

38. if ( results . Count > 0 )

39. {

40. Console . ForegroundColor = ConsoleColor . Red ;

41. Console . WriteLine ( "本次查询，Page:{0},PageSize:{1}" , page , pageSize );

42. Console . ForegroundColor = ConsoleColor . Gray ;

43. foreach ( var item in results )

44. {

45. Console . WriteLine ( "表：{0},总行数：{1},OFFSET：{2}，LIMIT：{3}" , item . TableName , item . Total , item . Skip , item . Take );

46. }

47. Console . WriteLine ();

48. }

49. else

50. {

51. Console . ForegroundColor = ConsoleColor . Red ;

52. Console . WriteLine ( "分页下无数据：{0},{1}" , page , pageSize );

53. Console . ForegroundColor = ConsoleColor . Gray ;

54. }

56. return results ;

57. }

在上面的分页算法中，定义了4个私有变量，分别是
preBlock：存跨表数据块长度
currentPage：当前表分页
currentPageSize：当前表分页长度，也是当前表接 preBlock 所需要的查询长度
results：查询表结果，存需要进行二次查询的表结构

接下来，就对最近 17 张表进行模拟轮询计算，把数据块连接起来，首先是计算 skip 的长度，这里使用当前表分页加跨表块

1. var skip = (( currentPage - 1 ) * currentPageSize ) + preBlock

得到真实的 skip，然后用当前表 Total - skip 得到下一表的接续长度

1. var remainder = item . Total - skip ;

再通过判断接续长度 remainder 大于 0，如果小于0则设定 preBlock 和 currentPage 进入下一表结构，如果大于 0 则进一步判断其是否可以覆盖 currentPageSize，如果可以覆盖则记录当前表并跳出循环，否则 重置 currentPageSize 和其它条件后进入下一个表结构。

1. if ( remainder > 0 )

2. {

3. item . Skip = skip ;

4. item . Take = currentPageSize ;

5. if ( remainder >= currentPageSize )

6. {

7. results . Add ( item );

8. break ;

9. }

10. else

11. {

12. currentPageSize = currentPageSize - remainder ;

13. item . Take = remainder ;

14. currentPage = 1 ;

15. preBlock = 0 ;

16. results . Add ( item );

17. }

18. }

19. else

20. {

21. preBlock = Math . Abs ( remainder );

22. currentPage = 1 ;

23. }

测试分页结果

构建一些测试数据进行分页，看接续是否已经闭合

1. public class Program

2. {

3. public static void Main ( string [] args )

4. {

5. PageDataService . Pagination ( 1 , 40 );

6. PageDataService . Pagination ( 2 , 40 );

7. PageDataService . Pagination ( 3 , 40 );

8. PageDataService . Pagination ( 4 , 40 );

9. PageDataService . Pagination ( 5 , 40 );

10. PageDataService . Pagination ( 6 , 40 );

11. PageDataService . Pagination ( 7 , 40 );

12. PageDataService . Pagination ( 8 , 40 );

13. PageDataService . Pagination ( 9 , 40 );

14. PageDataService . Pagination ( 113 , 10 );

16. Console . ReadKey ();

17. }

18. }

输出测试结果

通过输出的测试结果，可以看到，数据块是连续的，且已经得到了每次需要查询的表结构数据，在实际应用中，只需要对这个结果执行并行查询然后在内存中归并排序就可以了。

并行查询和排序

1. public static void Query ()

2. {

3. var entitys = PageDataService . Pagination ( 1 , 40 );

4. List < UserEntity > datas = new List < UserEntity >();

5. Parallel . ForEach ( entitys , entity =>

6. {

7. var sql = $ "SELECT * FROM TABLE_{entity.TableName} ORDER BY Timestamp LIMIT {entity.Skip},{entity.Take}" ;

8. var results = Mysql . Query < UserEntity >( sql );

9. datas . AddRange ( results );

10. });

12. // 排序

13. datas = datas . OrderByDescending ( x => x . Timestamp ). ToList ();

14. }

到这里，就完成了有序的二次查询法的算法过程。这种分页算法存在一定的局限性，比如必须是连续的数据块，按一定时间区间进行分表才可使用，大区间查询时的分页，第一次查询会比较慢，比如查询区间为3年内的按天分表分页数据，将会导致第一次查询开启 3*365 个数据库连接，当然，这取决于你第一次查询采用的是并行查询还是轮询，还是有优化空间的。

结束语

本文共列出了多种分库分表方式下的查询问题，大部分 ORM 只解决了分表插入的问题，对于分页查询，实际上也是没有很好的解决方案，原因在于分页查询和业务的分割有着紧密的联系，很多时候不能简单的将业务问题认为是中间件的问题。有序的二次查询法作为一次探索，期望能解决部分业务带来的分页问题。