在 MySQL 中，面试limit X,什慢Y 的查询中，X 值越大，何优化那么查询速度也就越慢，面试例如以下示例：

limit 0,什慢10：查询时间大概在 20 毫秒左右。limit 1000000,何优化10：查询时间可能是 15 秒左右（1秒等于 1000 毫秒），甚至更长时间。面试

所以，什慢可以看出，何优化limit 中 X 值越大，面试那么查询速度都越慢。什慢

这个问题呢其实就是何优化 MySQL 中典型的深度分页问题。那问题来了，面试为什么 limit 越往后查询越慢？什慢如何优化查询速度呢？

为什么limit越来越慢？

在数据库查询中，当使用 LIMIT x,何优化 y 分页查询时，如果 x 值越大，查询速度可能会变慢。这主要是因为数据库需要扫描和跳过 x 条记录才能返回 y 条结果。随着 x 的增加，需要扫描和跳过的记录数也增加，从而导致性能下降。

例如 limit 1000000,10 需要扫描 1000010 行数据，然后丢掉前面的 1000000 行记录，所以查询速度就会很慢。

优化手段

对于 MySQL 深度分页比较典型的优化手段有以下两种：

起始 ID 定位法：使用最后查询的服务器托管 ID 作为起始查询的 ID。索引覆盖+子查询。

1.起始ID定位法

起始 ID 定位法指的是 limit 查询时，指定起始 ID。而这个起始 ID 是上一次查询的最后一条 ID。例如上一次查询的最后一条数据的 ID 为 6800000，那我们就从 6800001 开始扫描表，直接跳过前面的 6800000 条数据，这样查询的效率就高了，具体实现 SQL 如下：

复制select name, age, gender from person where id > 6800000 -- 核心实现 SQL order by id limit 10;1.2.3.4.

其中 id 字段为表的主键字段。

为什么起始ID查询效率高呢？

因此这种查询是以上一次查询的最后 ID 作为起始 ID 进行查询的，而上次的 ID 已经定位到具体的位置了，所以只需要遍历 B+ 树叶子节点的双向链表（主键索引的底层数据结构）就可以查询到后面的数据了，所以查询效率就比较高，如下图所示：

如果上次查询结果为 9，源码库之后再查询时，只需要从 9 之后再遍历 N 条数据就能查询出结果了，所以效率就很高。

优缺点分析

这种查询方式，只适合一页一页的数据查询，例如手机 APP 中刷新闻时那种瀑布流方式。

但如果用户是跳着分页的，例如查询完第 1 页之后，直接查询第 250 页，那么这种实现方式就不行了。

2.索引覆盖+子查询

此时我们为了查询效率，可以使用索引覆盖加子查询的方式，具体实现如下。

假设，我们未优化前的 SQL 如下：

复制select name, age, gender from person order by createtime desc limit 1000000,10;1.2.3.4.

在以上 SQL 中，createtime 字段创建了索引，但查询效率依然很慢，因为它要取出 100w 完整的数据，并需要读取大量的索引页，和进行频繁的回表查询，所以执行效率会很低。

此时，我们可以做以下优化：

复制SELECT p1.name, p1.age, p1.gender FROM person p1 JOIN ( SELECT id FROM person ORDER BY createtime desc LIMIT 1000000, 10 ) AS p2 ON p1.id = p2.id;1.2.3.4.5.

相比于优化前的 SQL，优化后的站群服务器 SQL 将不需要频繁回表查询了，因为子查询中只查询主键 ID，这时可以使用索引覆盖来实现。那么子查询就可以先查询出一小部分主键 ID，再进行查询，这样就可以大大提升查询的效率了。

索引覆盖（Index Coverage）是一种数据库查询优化技术，它指的是在执行查询时，数据库引擎可以直接从索引中获取所有需要的数据，而不需要再回表（访问主键索引或者表中的实际数据行）来获取额外的信息。这种方式可以减少磁盘 I/O 操作，从而提高查询性能。