摘要：
如何优化Mysql千万级快速分页，limit优化快？select * from collect where id in (9000,12,50,7000); 竟然 0秒便可以查完！... 如何优化Mysql千万级快速分页，limit优化快？
select * from collect where id in (9000,12,50,7000); 竟然 0秒便可以查完！id in (str) 很快，根基还是0秒。若是这样，千万级的数据，mysql应该也很轻易应付。
ASP＋mysql海量数据的分页优化？
要把connection设置为使用本地游标定位方式，mysql的server端不支持recordset的recordcount属性。connstr="****
"set conn=server.createibject("ADODB.Connection"
)conn.Open connstrconn.CursorLocation=3 'adUseClient=3，而默认为adUseServer(=2)set rs=server.createobject("ADODB.recordset"
)sql="select ....."rs.open sql,conn,1,1'这时候就可以用recordcount pagecount了rs.pagesize=10rs.absolutepage=cint(strpage)select_count=rs.recordcountselect_pagecount=rs.pagecount
mysql分页怎么越到后面越慢？
因为offset limit是本质上就是服务端的scan啊，查询最后一条就是scan了1000万数据，哪怕scan的是索引也要scan几十万个磁盘块，当然慢
如果是导数据的话考虑下游标
如果是界面上展示的话首先可以考虑优化查询场景，因为很少有1000w条数据分页展示的情况，优化后一般顶天1w页也就是10w左右数据，合理设计和命中索引的情况下offset limit还是很快的
mysqljoin后如何分页？
1. 右键表，打开右键菜单列表，点击设计表，进入到设计表窗口，点击索引，进入到索引窗口完成主键索引的设置，
2. 然后在使用SELECT * FROM test WHERE id > (1*10) LIMIT 30来实现分页，1是页数，30是条数，这个用在数据量比较大的表执行会更快些。
以上是mysqljoin后分页的方法。
为什么MySQL在数据库较大的时候分页查询很慢，如何优化？
题主给的这个sql其实想要的数据也就20条吧(你那个300020应该是打错了，不可能是实际业务一页显示30多万条记录)，单纯查三十多万数据其实很快，为什么分页后就很慢？
变慢的原因，一方面是select *，另一方面是数据量较大，还有一个是带有排序操作。本质是分页查询时，会先查询出limit + offset条记录，然后截取后面的offset记录。
Mysql数据库作为一款比较主流的开源关系型数据库，市场上我觉得貌似开发者没有一个没用过吧。
影响MySQL查询性能的因素有很多，比如sql，表结构设计，磁盘io，网卡io，高并发，数据库相关参数配置，还有服务器硬等。
这里面涉及最多也是面试中最常问的就是有关sql的优化。
因为很多性能上的问题来自sql的比较多，mysql数据库在数据量级达到百万以上性能是逐渐下降的。
关于sql优化又有很多优化的方向和手段。比如对表结构的字段类型，默认值，索引等最基础的做一些优化，然后编写的sql最好要能完全命中索引。
当然并不是说建索引就一定命中，不走索引就一定慢。这取决于mysql的执行计划。
还有建索引也并不是越多越好，单表索引最好不要超过6个，毕竟索引也占空间，数据更新的同时，还牵扯到索引文件的维护。
OK说了这么多，到底该怎么对这个分页又排序做优化呢？
我的做法就是合理利用主键索引来处理
select a.* from table a inner join (select id from table
limit 300000,20）
b on a.id=b.id;
然后排序最好放到代码层面上去。
希望我的回答能帮到你
问题
我们有一个 SQL，用于找到没有主键 / 唯一键的表，但是在 MySQL 5.7 上运行特别慢，怎么办?
实验
我们搭建一个 MySQL 5.7 的环境，此处省略搭建步骤。
写个简单的脚本，制造一批带主键和不带主键的表：
执行一下脚本：
现在执行以下 SQL 看看效果：
...
执行了 16.80s，感觉是非常慢了。
现在用一下 DBA 三板斧，看看执行计划：
感觉有点惨，由于 information_schema.columns 是元数据表，没有必要的统计信息。
那我们来 show warnings 看看 MySQL 改写后的 SQL：
我们格式化一下 SQL：
可以看到 MySQL 将
select from A where A.x not in (select x from B) //非关联子查询
转换成了
select from A where not exists (select 1 from B where B.x = a.x) //关联子查询
如果我们自己是 MySQL，在执行非关联子查询时，可以使用很简单的策略：
select from A where A.x not in (select x from B where ...) //非关联子查询:1. 扫描 B 表中的所有记录，找到满足条件的记录，存放在临时表 C 中，建好索引2. 扫描 A 表中的记录，与临时表 C 中的记录进行比对，直接在索引里比对，
而关联子查询就需要循环迭代：
select from A where not exists (select 1 from B where B.x = a.x and ...) //关联子查询扫描 A 表的每一条记录 rA： 扫描 B 表，找到其中的第一条满足 rA 条件的记录。
显然，关联子查询的扫描成本会高于非关联子查询。
我们希望 MySQL 能先"缓存"子查询的结果（缓存这一步叫物化，MATERIALIZATION），但MySQL 认为不缓存更快，我们就需要给予 MySQL 一定指导。
...
可以看到执行时间变成了 0.67s。
整理
我们诊断的关键点如下：
\1. 对于 information_schema 中的元数据表，执行计划不能提供有效信息。
\2. 通过查看 MySQL 改写后的 SQL，我们猜测了优化器发生了误判。
\3. 我们增加了 hint，指导 MySQL 正确进行优化判断。
但目前我们的实验仅限于猜测，猜中了万事大吉，猜不中就无法做出好的诊断。
