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
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
public
class
PageEntity
{
/// <summary>
/// 跳过的记录数
/// </summary>
public
long
Skip
{
get
;
set
;
}
/// <summary>
/// 选取的记录数
/// </summary>
public
long
Take
{
get
;
set
;
}
/// <summary>
/// 总行数
/// </summary>
public
long
Total
{
get
;
set
;
}
/// <summary>
/// 表名
/// </summary>
public
string
TableName
{
get
;
set
;
}
}
定义分页算法类
public
class
PageDataService
{
...
}
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
private
readonly
static
List
<
PageEntity
>
entitys
=
new
List
<
PageEntity
>()
{
new
PageEntity
{
Total
=
12
,
TableName
=
"230301"
},
new
PageEntity
{
Total
=
3
,
TableName
=
"230302"
},
new
PageEntity
{
Total
=
4
,
TableName
=
"230303"
},
new
PageEntity
{
Total
=
1
,
TableName
=
"230304"
},
new
PageEntity
{
Total
=
1
,
TableName
=
"230305"
},
new
PageEntity
{
Total
=
7
,
TableName
=
"230306"
},
new
PageEntity
{
Total
=
2
,
TableName
=
"230307"
},
new
PageEntity
{
Total
=
11
,
TableName
=
"230308"
},
new
PageEntity
{
Total
=
41
,
TableName
=
"230309"
},
new
PageEntity
{
Total
=
25
,
TableName
=
"230310"
},
new
PageEntity
{
Total
=
33
,
TableName
=
"230311"
},
new
PageEntity
{
Total
=
8
,
TableName
=
"230312"
},
new
PageEntity
{
Total
=
3
,
TableName
=
"230313"
},
new
PageEntity
{
Total
=
0
,
TableName
=
"230314"
},
new
PageEntity
{
Total
=
17
,
TableName
=
"230315"
},
new
PageEntity
{
Total
=
88
,
TableName
=
"230316"
},
new
PageEntity
{
Total
=
2
,
TableName
=
"230317"
}
};
分页算法
public
static
List
<
PageEntity
>
Pagination
(
int
page
,
int
pageSize
)
{
long
preBlock
=
0
;
int
currentPage
=
page
;
long
currentPageSize
=
pageSize
;
List
<
PageEntity
>
results
=
new
List
<
PageEntity
>();
foreach
(
var
item
in
entitys
)
{
var
skip
=
((
currentPage
-
1
)
*
currentPageSize
)
+
preBlock
;
var
remainder
=
item
.
Total
-
skip
;
if
(
remainder
>
0
)
{
item
.
Skip
=
skip
;
item
.
Take
=
currentPageSize
;
if
(
remainder
>=
currentPageSize
)
{
results
.
Add
(
item
);
break
;
}
else
{
currentPageSize
=
currentPageSize
-
remainder
;
item
.
Take
=
remainder
;
currentPage
=
1
;
preBlock
=
0
;
results
.
Add
(
item
);
}
}
else
{
preBlock
=
Math
.
Abs
(
remainder
);
currentPage
=
1
;
}
}
// 输出测试结果
if
(
results
.
Count
>
0
)
{
Console
.
ForegroundColor
=
ConsoleColor
.
Red
;
Console
.
WriteLine
(
"本次查询，Page:{0},PageSize:{1}"
,
page
,
pageSize
);
Console
.
ForegroundColor
=
ConsoleColor
.
Gray
;
foreach
(
var
item
in
results
)
{
Console
.
WriteLine
(
"表：{0},总行数：{1},OFFSET：{2}，LIMIT：{3}"
,
item
.
TableName
,
item
.
Total
,
item
.
Skip
,
item
.
Take
);
}
Console
.
WriteLine
();
}
else
{
Console
.
ForegroundColor
=
ConsoleColor
.
Red
;
Console
.
WriteLine
(
"分页下无数据：{0},{1}"
,
page
,
pageSize
);
Console
.
ForegroundColor
=
ConsoleColor
.
Gray
;
}
return
results
;
}
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
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
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。
if
(
remainder
>
0
)
{
item
.
Skip
=
skip
;
item
.
Take
=
currentPageSize
;
if
(
remainder
>=
currentPageSize
)
{
results
.
Add
(
item
);
break
;
}
else
{
currentPageSize
=
currentPageSize
-
remainder
;
item
.
Take
=
remainder
;
currentPage
=
1
;
preBlock
=
0
;
results
.
Add
(
item
);
}
}
else
{
preBlock
=
Math
.
Abs
(
remainder
);
currentPage
=
1
;
}
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
public
class
Program
{
public
static
void
Main
(
string
[]
args
)
{
PageDataService
.
Pagination
(
1
,
40
);
PageDataService
.
Pagination
(
2
,
40
);
PageDataService
.
Pagination
(
3
,
40
);
PageDataService
.
Pagination
(
4
,
40
);
PageDataService
.
Pagination
(
5
,
40
);
PageDataService
.
Pagination
(
6
,
40
);
PageDataService
.
Pagination
(
7
,
40
);
PageDataService
.
Pagination
(
8
,
40
);
PageDataService
.
Pagination
(
9
,
40
);
PageDataService
.
Pagination
(
113
,
10
);
Console
.
ReadKey
();
}
}
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
public
static
void
Query
()
{
var
entitys
=
PageDataService
.
Pagination
(
1
,
40
);
List
<
UserEntity
>
datas
=
new
List
<
UserEntity
>();
Parallel
.
ForEach
(
entitys
,
entity
=>
{
var
sql
=
$
"SELECT * FROM TABLE_{entity.TableName} ORDER BY Timestamp LIMIT {entity.Skip},{entity.Take}"
;
var
results
=
Mysql
.
Query
<
UserEntity
>(
sql
);
datas
.
AddRange
(
results
);
});
// 排序
datas
=
datas
.
OrderByDescending
(
x
=>
x
.
Timestamp
).
ToList
();
}
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。