”使用mysql limit 分页就行了，分页查询用得着四种写法吗? "
这可能是很多人的想法。的确mysql limit offset是可以胜任分页的，但是另外三种办法在其他场景表现更好。
大家最熟悉的就是如下的分页截图，返回总页数、支持页数跳转。
例如每页10条，查询第三页 ，mysql limit 部分为：limit 20,10;
前段每次需要指定 每页数量，当前页数。由后端拼接查询SQL，构建mysql limit 子句。
limit offset 分页有几个特性。
- 支持页数跳转。用户选定第几页，就跳转到对应的页面。
- 返回记录总条数。用户可以看到共几页，一共多少条数据。
limit offset 实现简单，但是存在缺陷。当出现深度分页时，MySQL 需要扫描大量数据才能找到指定页的数据，造成慢查询 ，增加增加数据库的内存和cpu负载， 如果这个深度分页的QPS比较高，无疑最终会拖垮数据库。在流量高峰期，如果深度分页的慢查询较多，毫无疑问，会增加其他SQL耗时，影响其他业务场景。
值得说明的是，分页查询必须指定排序方式。如果没有指定排序方式，使用分页很难保证数据不会出现重复。 如果实在没有排序字段，可以使用主键ID。
我曾经犯过类似错误，在使用ElasticSearch替换lucene 做检索时，发现lucene和ElasticSearch返回的结果一直不一致，排查了很久，才意识到必须指定排序方式，否则使用分页查询会导致数据重复。
那么Limit Offset就没有其他方式避免深度分页吗？答案是可以
基于 Spring Boot + MyBatis Plus + Vue & Element 实现的后台管理系统 + 用户小程序，支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能
- 项目地址：https://github.com/YunaiV/ruoyi-vue-pro
- 视频教程：https://doc.iocoder.cn/video/
如果在查询条件上加上主键Id是不是就可以了呢？
改进前：
select * from students where xxxx查询条件xxx order by id desc limit 1000,20;
改进后:
select * from students where xxxx查询条件xxx AND id order by id desc limit 20;
改进后在原有的查询条件上 指定了lastMinId，上一轮最小的Id。在查询下一页时，把上一页的最小id 传下去，这样保证后续查到的列表都是小于lastMinId。从源头上增加了查询条件，减少了mysql的检索范围，每次都只获取前二十条数据。
这样就高枕无忧了吗？当然不
这种方式前提条件是排序方式可以指定主键Id，如果根据其他排序方式，就不能这样做了。
这种方式还有其他应用场景吗？最佳的场景就是从下游批量获取大量数据时，可以根据主键id进行排序，每次选择最大的N条，或最小的N条。
每次查询都更新主键id范围，这样就能避免深度分页，查询全部的数据。
基于 Spring Cloud Alibaba + Gateway + Nacos + RocketMQ + Vue & Element 实现的后台管理系统 + 用户小程序，支持 RBAC 动态权限、多租户、数据权限、工作流、三方登录、支付、短信、商城等功能
- 项目地址：https://github.com/YunaiV/yudao-cloud
- 视频教程：https://doc.iocoder.cn/video/
有的业务场景例如用户App端的购买记录页，用户只能每页滚动查询购买记录，无需知道购买订单总数。针对这个场景，有什么优化呢？
在之前的limit Offset分页时，需要返回记录总数，前端也要确定查询总页数。滚动分页查询则无需获取总页数，无需查询总数。减少了一次select count(*)的查询。
只需要在每一次分页查询时，每页数量+1 即可。例如每页10条，可以指定11条，如果真查出来11条，hasMore=true，上游需要继续查，否则hasMore=false，上游无需再分页查询。
ES 比较适用于检索条件复杂、实时性要求比较低的查询场景。例如B端的各类复杂查询条件检索场景以及 C端用户关键词订单列表搜索等场景。查询耗时基本在100ms以上、甚至1s以上。
值得一提的是需要mysql数据异构到ES，ES加载进索引也有1s左右延迟，数据从产生到ES索引延迟比较高。
ElasticSearch 支持分页查询，和Mysql Limit offset 类似。同时也强烈建议，使用分页查询时，指定排序方式。
SearchRequest searchRequest = new SearchRequest(index);
SearchSourceBuilder sourceBuilder = new SearchSourceBuilder();
//计算出记录起始下标
int from = (pageNum - 1) * pageSize;
// 起始记录下标，从0开始
sourceBuilder.from(from);
//每页显示的记录数
sourceBuilder.size(pageSize);
和mysql类似，ES也有深度分页的查询压力，默认的最大查询深度max_result_window=1W， 阈值可以修改。在低频的B端查询场景，可以根据需要适当调整阈值。
以上4种分页查询方式没有最好，需要针对不同的场景选择最合适的。
