MyBatis-Plus深度分页场景下的索引覆盖优化实践
2025-05-13 17:22:17作者:苗圣禹Peter
背景概述
在数据库查询优化中,索引覆盖(Covering Index)是提升查询性能的重要手段。当查询语句只需要通过索引就能获取所需数据时,数据库引擎可以避免回表操作,显著提高查询效率。然而在MyBatis-Plus的分页查询场景中,默认的分页机制可能会与这种优化方式产生冲突。
问题分析
MyBatis-Plus的分页插件默认会在SQL的最外层添加LIMIT子句来实现分页。但在深度分页场景下,开发者通常会采用以下优化模式:
- 先通过子查询利用覆盖索引快速定位符合条件的主键
- 再通过主键IN查询获取完整数据
这种优化方式的分页逻辑应该作用于子查询层面,而非最外层。当MyBatis-Plus的LIMIT被添加到外层时,会导致:
- 子查询仍然返回大量数据
- 外层LIMIT无法有效减少实际查询量
- 失去了索引覆盖优化的意义
解决方案
方案一:自定义XML实现
对于需要精细控制分页逻辑的场景,建议绕过MyBatis-Plus的分页插件,直接在XML中编写完整SQL:
<select id="selectPageWithCoveringIndex" resultType="YourEntity">
SELECT * FROM your_table
WHERE id IN (
SELECT id FROM your_table
WHERE [查询条件]
ORDER BY [排序字段]
LIMIT #{offset}, #{size}
)
</select>
这种方式可以:
- 精确控制分页作用于子查询
- 充分利用覆盖索引优化
- 避免不必要的数据扫描
方案二:分阶段查询
另一种可行的优化模式是分两步执行:
- 先执行只返回ID的分页查询
Page<Long> idPage = new Page<>(pageNum, pageSize);
pageMapper.selectPageIds(idPage, queryWrapper);
- 再通过获取的ID列表查询完整数据
List<YourEntity> entities = baseMapper.selectBatchIds(idPage.getRecords());
这种方案虽然需要两次数据库交互,但在深度分页场景下往往能获得更好的性能。
实践建议
- 对于简单分页场景,仍可使用MyBatis-Plus默认分页
- 当页码较大(如pageNum > 100)时,建议采用上述优化方案
- 注意监控实际执行计划,确保优化方案确实利用了覆盖索引
- 考虑添加适当的索引来支持覆盖查询
总结
MyBatis-Plus作为优秀的ORM框架,其默认分页机制能满足大多数场景需求。但在深度分页等特殊场景下,开发者需要根据实际情况灵活选择优化方案。通过合理利用索引覆盖等数据库特性,可以显著提升分页查询性能,特别是在大数据量场景下。
建议开发者在实施前充分测试不同方案的性能表现,选择最适合当前业务场景的优化方式。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0199
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0129
MiMo-V2.5-Pro-FP4-DFlashMiMo-V2.5-Pro-FP4-DFlash 是驱动 MiMo-V2.5-Pro-UltraSpeed 的底层模型: FP4 量化骨干网络:对 MoE 专家采用 MXFP4 量化,同时保持模型其他部分的更高精度,在几乎无损质量的前提下,显著减小模型体积并降低内存带宽压力。 BF16 DFlash 草稿生成器:用于块扩散推测解码,每次前向传播可生成一整个块的 tokens,并让骨干网络一步完成验证。 两者协同作用,既降低了每参数的位宽,又减少了骨干网络前向传播的次数,而这两者正是万亿参数模型解码过程中的两大主要成本来源。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
AstrBot✨ 易上手的多平台 LLM 聊天机器人及开发框架 ✨ 平台支持 QQ、QQ频道、Telegram、微信、企微、飞书 | OpenAI、DeepSeek、Gemini、硅基流动、月之暗面、Ollama、OneAPI、Dify 等。附带 WebUI。Python08
handy-ollama动手学Ollama,CPU玩转大模型部署,在线阅读地址:https://datawhalechina.github.io/handy-ollama/Jupyter Notebook07
项目优选
收起
暂无描述
Dockerfile
769
5.02 K
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
865
1.96 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
692
1.36 K
Ascend Extension for PyTorch
Python
728
905
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
461
455
deepin linux kernel
C
32
16
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
1.09 K
1.12 K
本仓库是 Flutter SDK 与 Flutter Engine 的 OpenHarmony 适配版本,由 CPF-Flutter 团队维护。开发者可使用熟悉的 Flutter 技术栈开发 OpenHarmony 应用,3.35.7 及以后的适配版本可基于本仓库源码构建支持 OpenHarmony 的 Flutter Engine。
Dart
1.02 K
265
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.93 K
199
CANNBot 是面向 CANN 开发的用于提升开发效率的系列智能体,本仓库为其提供可复用的 Skills 模块。
Python
1.01 K
632