mongodb大数据量分页查询效率问题

最常见的分页采用的是skip+limit这种组合方式，这种方式对付小数据倒也可以，但是对付上几百上千万的大数据，只能力不从心，skip如果跳过大量的数据会很慢，并且会越查越慢。

//代码大概看下意思就行了
const list = db.getCollection('sent_logs').count({
	field_1: 'wx5dacee99764a8af5'
}).skip(200).limit(10);

针对这一情况，可以通过条件查询+排序+限制返回记录，即 边查询，边排序，排序之后，抽取上一页中的最后一条记录，作为当前分页的查询条件，从而避免了skip效率低下的问题。

db.getCollection('sent_logs').find({
	field_1: 'wx5dacee99764a8af5',
	key1:{$gt: '#上一条记录的排序值#'}
}).limit(20)

不过在项目使用过程中，发现后面的数据基本没有用，所以用了一个阉割版的办法，如果条目数大于特定值 比如5000条，则只返回前5000条，否则返回全部，即只能查看前5000条;
再想看更多结果的话 就得用缩小插叙范围来解决了：

//代码大概看下意思就行了
const total_count = 5000;
const list = db.getCollection('sent_logs').find({
	field_1: 'wx5dacee99764a8af5'
}).skip(5000).limit(1);

if (list.length === 0) {
	total_count = db.getCollection('sent_logs').count({
		field_1: 'wx5dacee99764a8af5'
	})
}

这个方法虽然多了一次数据库查询，但是对于几十万往上的查询结果分页来说，提升的性能还是很客观的