【京东零售】研发日常踩坑-Mysql分页数据重复

2023-10-26 2476点热度 0人点赞 0条评论

一、踩坑描述

写分页查询接口，order by和limit混用的时候，出现了排序的混乱情况在进行第N页查询时，出现与第一前面页码的数据一样的记录。

二、问题

在MySQL中分页查询，我们经常会用limit，如:limit(0,20)表示查询第一页的20条数据，limit(20,20)表示查询第二页的数据。业务上我们通常也会在分页的时候加上排序 order by;

但是当limit和order by一起使用的时候，有可能会出现第N页的数据，竟然和前面页码的数据有重复

例如：

SELECT a,b FROM table WHERE c=1 ORDER BY d desc LIMIT 0,20

使用上述SQL查询的时候，很有可能和LIMIT 20,20查出相同的某条数据。为了解决这个问题，我们在ORDER BY后面加上了ID（唯一索引页可以）排序来进行规避，

如下：

SELECT a,b FROM table WHERE c=1 ORDER BY d desc，id desc LIMIT 0,20

理论上，MySQL的排序默认情况下是以主键ID作为排序条件的，也就是说，如果在条件d相等的情况下，主键id会作为默认的排序条件，不需要我们多此一举加ID asc。但是事实就是，MySQL在order by和limit同时使用的情况下，出现了排序的混乱情况。

三、分析

在MySQL 5.6的版本上，优化器在遇到order by+limit语句的时候，做了一个优化，使用了priority queue。

使用 priority queue 的目的，就是在不能使用索引有序性的时候，如果要排序，并且使用了limit n，那么只需要在排序的过程中，保留n条记录即可，这样虽然不能解决所有记录都需要排序的开销，但是只需要 sort buffer 少量的内存就可以完成排序。

之所以MySQL 5.6出现了第二页数据重复的问题，是因为 priority queue 使用了堆排序的排序方法，而堆排序是一个不稳定的排序方法，也就是相同的值可能排序出来的结果和读出来的数据顺序不一致。

MySQL 5.5 没有这个优化，所以也就不会出现这个问题。

也就是说，MySQL 5.5是不存在本文提到的问题的，5.6版本之后才出现了这种情况。

(1)     SELECT 
(2)     DISTINCT <select_list>
(3)     FROM <left_table>
(4)     <join_type> JOIN <right_table>
(5)     ON <join_condition>
(6)     WHERE <where_condition>
(7)     GROUP BY <group_by_list>
(8)     HAVING <having_condition>
(9)     ORDER BY <order_by_condition>
(10)    LIMIT <limit_number>

执行顺序依次为 form… where… select… order by… limit…，由于上述priority queue的原因，在完成select之后，所有记录是以堆排序的方法排列的，在进行order by时，仅把d值大的往前移动。但由于limit的因素，排序过程中只需要保留到20条记录即可，d并不具备索引有序性，所以当第二页数据要展示时，mysql见到哪一条就拿哪一条，因此，当排序值相同的时候，第一次排序是随意排的，第二次再执行该sql的时候，其结果应该和第一次结果有可能一样。

四、解决方法

尽量使用不重复的值进行排序

如果在字段添加上索引，就直接按照索引的有序性进行读取并分页（这个字段如果有重复值分页会有可能出现重复）。

可以最后加上ID排序，也不会影响业务
正确理解分页

分页是建立在排序的基础上，进行了数量范围分割。排序是数据库提供的功能，而分页却是衍生出来的应用需求。

在MySQL和Oracle的官方文档中提供了limit n和rownum<n的方法，但却没有明确的定义分页这个概念。

还有重要的一点，虽然上面的解决方法可以缓解用户的这个问题，但按照用户的理解，依然还有问题：比如，这个表插入比较频繁，用户查询的时候，在read-committed的隔离级别下，第一页和第二页仍然会有重合，这个可以使用ID来规避。

所以，分页一直都有这个问题，不同场景对数据分页都没有非常高的准确性要求。
一些常见的数据库排序问题

不加order by的时候的排序问题

用户在使用Oracle或MySQL的时候，发现MySQL总是有序的，Oracle却很混乱，这个主要是因为Oracle是堆表，MySQL是索引聚簇表的原因。所以没有order by的时候，数据库并不保证记录返回的顺序性，并且不保证每次返回都一致的。

分页问题-分页重复的问题

如前面所描述的，分页是在数据库提供的排序功能的基础上，衍生出来的应用需求，数据库并不保证分页的重复问题。

NULL值和空串问题

不同的数据库对于NULL值和空串的理解和处理是不一样的，比如Oracle NULL和NULL值是无法比较的，既不是相等也不是不相等，是未知的。而对于空串，在插入的时候，MySQL是一个字符串长度为0的空串，而Oracle则直接进行NULL值处理。

深分页问题

有些时候，我们需要偏移一定量数据之后，获取某些数据，就很容易想到用limit，但是，如果偏移量很大时，就会发现SQL执行起来非常非常慢了，因为，偏移量会分页读取到buffpool中，数据量大，占用的buffpool空间就会大，而这个空间大小是配置的，一般不会很大；

其次需要从一开始就扫描数据，最后要舍弃前面大量数据，只保留需要的那几条数据，而且过程还有可能需要回表操作，导致了慢sql。

对于这个问题的优化，建议写一个过滤条件（比如：自增主键ID或有序的字段），再与limit结合实现。