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。