死的工作
为了测试下面列出的一些优化，请解释下表。
表格名称：order_history
描述：一个企业的订单历史表
主要研究领域：unsigned int ID字段（4）int类型
现场情况：表包含37个领域，其中不包含大型阵列，如文本，最大为varchar（500），ID字段的索引，并增加。
数据量：5709294
MySQL版本：5.7.16
在线下找到一百万级测试板是不容易的。如果需要自己的测试，可以编写shell脚本的插入数据来测试它。
下列SQL语句的环境不会改变，下面是基本的测试结果：
select count（*）从orders_history；
返回结果：5709294
三次查询如下：
8903毫秒
8323毫秒
8401毫秒
一般的分页查询
一个简单的分页查询可以使用一个简单的限制子句实现：
SELECT * FROM表限排{抵消抵消| }。
限制子句可以用来指定SELECT语句返回的记录数：
第一个参数指定记录行的第一个返回行的偏移量。
第二个参数指定返回记录行的最大行数。
如果只给出一个参数：它表示返回的最大记录数。
第二个参数是1，表示所有记录的检索从一个偏移到记录集的结束
初始记录行的偏移量为0（而不是1）。
下面是一个应用示例：
SELECT * FROM orders_history类型= 8的限制1000,10；
这个语句将查询10件后第一千件从表orders_history，即数据的数据，第一千零一到第一万零一十。
数据表中的记录默认情况下使用主键（一般ID），这与：
SELECT * FROM orders_history类型= 8阶的身份限制10000,10；
三次查询如下：
3040毫秒
3063毫秒
3018毫秒
对于这种类型的查询，以下测试查询记录数量对时间的影响：
SELECT * FROM orders_history类型= 8的限制10000,1；
SELECT * FROM orders_history类型= 8的限制10000,10；
SELECT * FROM orders_history类型= 8限10000100；
SELECT * FROM orders_history类型= 8限100001000；
SELECT * FROM orders_history类型= 8限1000010000；
三个查询时间如下：
1记录查询：3072ms 3092ms 3002ms
10记录查询：3081ms 3077ms 3032ms
100记录查询：3118ms 3200ms 3128ms
1000记录查询：3412ms 3468ms 3394ms
10000记录查询：3749ms 3802ms 3696ms
此外，我还做了十个查询。从查询时间，我们基本上可以确认当查询量小于100时，查询时间没有差别。随着查询记录数量的增加，将花费更多的时间。
查询偏移测试：
SELECT * FROM orders_history类型= 8限100100；
SELECT * FROM orders_history类型= 8限1000100；
SELECT * FROM orders_history类型= 8限10000100；
SELECT * FROM orders_history类型= 8限100000100；
SELECT * FROM orders_history类型= 8限1000000100；
三个查询时间如下：
Query 100 offset: 25ms 24ms 24ms
查询1000：78ms 76ms 77ms偏移
查询10000：3092ms 3212ms 3128ms偏移
查询100000：3878ms 3812ms 3798ms偏移
查询1000000：14608ms 14062ms 14700ms偏移
随着查询偏移量的增加，查询时间急剧增加，特别是查询偏移量大于10万之后。
这个分页查询将从数据库的第一个记录开始扫描，因此查询速度越慢，查询数据越多，查询速度就越慢。
使用子查询优化
这是一种定位偏移位置ID，然后返回的方法，它适用于ID增加的情况。
SELECT * FROM orders_history类型= 8的限制100000,1；
选择ID从orders_history哪里类型= 8的限制100000,1；
SELECT * FROM orders_history类型= 8
ID > =（选择ID从orders_history类型= 8的限制100000,1）
限制100；
SELECT * FROM orders_history类型= 8限100000100；
4语句的查询时间如下所示：
首先声明：3674ms
第二1315ms声明：
第三声明：1327ms
第四声明：3710ms
应该注意上面的查询：
比较第一个语句和第二个语句：使用选择ID而不是选择*的速度增加了3倍。
比较第二个语句和第三个语句：不同速度差的几十毫秒。
比较第三个语句和第四个语句：由于选择ID的速度增加，第三个语句的速度增加了3倍。
这种方法比原始的一般查询方法快几倍。
使用ID限制优化
这样，我们假设数据表的ID不断增加。我们可以根据查询的数量和查询的数量来计算查询ID的范围。我们可以在查询和查询之间使用id。
SELECT * FROM orders_history类型= 2和ID 1000000和1000100限制在100；
查询时间：15ms 12ms 9ms
这种查询方法可以极大地优化查询速度，并且可以在几毫秒内完成。然而，通常在构建表时，会添加基本id字段，这将导致许多遍历到分页查询。
还有另一种写作方式：
SELECT * FROM orders_history其中ID > = 1000001限100；
当然，您也可以使用入到查询的方式，该查询常常用于在多个表连接时查询，并通过使用其他表查询的ID集进行查询。
SELECT * FROM orders_history在ID（选择order_id从trade_2商品=商品=）= 100；
查询中应该注意到：一些MySQL版本不支持子句中的限制用法。
使用临时表优化
这种方式不属于查询优化，这里是一个提及。
为了限制ID优化的使用问题，需要身份证是不断增加的，但在某些情况下，如使用历史表时，或数据丢失的问题，可以考虑使用临时存储表记录ID的页面，使用页面ID查询。这可以大大改善传统的分页查询速度，特别是当数据量上千万。
数据表的id描述
通常，在数据库中设置表时，必须为每个表添加ID增量，这样便于查询。
如果订单像一个数据库，数据非常大，一般都会被分割表，此时不推荐使用数据库的ID作为唯一的标识，但它应该由分布式高并发唯一ID生成器生成，并在数据表中存储另一个独特的字段。
使用第一个范围查询来定位ID（或索引），然后使用索引定位数据，可以提高查询速度几次，即，首先选择ID，然后选择*；
