分页优化

分页的性能问题

排行榜上线后，用户反馈遇到了新问题：

【用户反馈】用户ID: 5678
问题：查看第 100 页时，加载非常慢

【用户反馈】用户ID: 1234
问题：排行榜有 10000 篇文章，但只能翻到第 500 页

【监控数据】
第 1 页：响应时间 50ms
第 10 页：响应时间 200ms
第 50 页：响应时间 2s
第 100 页：响应时间 8s
第 500 页：响应时间 30s+

问题：深分页性能差。

问题分析

传统分页的问题

性能问题：

ZREVRANGE 时间复杂度：O(log N + M)

N: 集合总大小
M: 返回元素数量

第 1 页：
- log N + M ≈ log 10000 + 20 ≈ 14 + 20 = 34

第 100 页：
- log N + M ≈ log 10000 + 20 ≈ 34
- 但需要先找到第 1980 个元素
- 实际复杂度更高

问题：
- Redis 仍需遍历到起始位置
- 深分页慢
- 大数据量时性能差

数据库分页的问题

如果使用数据库分页：

数据设计要点

• 查询目标是快速定位状态、任务或资源，避免在关键路径上做大范围扫描。

性能问题：

OFFSET 的问题：
- 需要扫描前 1980 条记录
- 然后返回后 20 条
- 扫描的数据白白浪费

第 1 页：扫描 20 条
第 100 页：扫描 2000 条
第 500 页：扫描 10000 条

性能随页数增长而下降

优化方案

方案 1：限制最大页数

优点：

• 实现简单
• 性能可控

缺点：

• 用户无法查看所有数据
• 可能影响用户体验

方案 2：游标分页（推荐）

优点：

• 性能稳定（每次查询都是 O(log N + M)）
• 支持无限翻页
• 用户体验好

缺点：

• 不能跳到指定页
• 需要前端配合

方案 3：双向游标

方案 4：分片缓存

深分页优化

问题：数据库深分页

如果排行榜数据在数据库中，如何优化深分页？

数据设计要点

• 查询目标是快速定位状态、任务或资源，避免在关键路径上做大范围扫描。

方案：使用覆盖索引

数据设计要点

• 索引服务于高频查询，重点是缩小扫描范围，而不是堆更多字段。
• 查询目标是快速定位状态、任务或资源，避免在关键路径上做大范围扫描。

性能对比：

传统方式：
- 扫描行数：2020 行
- 执行时间：约 500ms

覆盖索引方式：
- 扫描行数：20 行（只查索引）
- 执行时间：约 50ms
- 提升约 10 倍

前端优化

虚拟滚动

无限加载

性能对比

不同分页方案对比

场景：10,000 篇文章，查看第 100 页

传统 OFFSET 分页：
- 响应时间：2.5s
- 数据库扫描：2000 行
- 用户体验：差

游标分页：
- 响应时间：50ms
- 数据库扫描：20 行
- 用户体验：好
- 限制：不能跳页

分片缓存：
- 响应时间：10ms
- 数据库扫描：0 行（命中缓存）
- 用户体验：很好
- 限制：需要预热

推荐方案

建议：游标分页 + 分片缓存

前端：
- 使用游标分页
- 支持无限滚动
- 用户体验好

后端：
- 热门页面使用缓存
- 冷门页面使用游标查询
- 性能稳定

课后练习

练习 1

如何实现”快速跳转”功能（跳转到指定页）？

练习 2

如何实现”每页大小可变”的分页？

练习 3

如何处理”排名并列”的情况？

练习 4

如何实现”分页缓存”的自动刷新？

练习 5

如何实现”分页预加载”？

思考题

1. 如何实现”分页导出”功能（导出 Excel）？

2. 如何处理”分页数据实时变化”的问题？

3. 如何实现”多维度排序”的分页（按时间、按热度等）？

💡 提示：这些问题没有标准答案，建议结合实际情况深入思考。

上一章节实时排行实时排行榜查询

下一章节完整系统点赞计数器完整架构总结