应使用全局唯一递增ID实现游标分页替代OFFSET：SELECT FROM order_001 WHERE id > 12345 ORDER BY id LIMIT 20；id需全局唯一有序（如雪花ID），禁用单独create_time；管理后台等特殊场景可多分片并行查+应用层归并，但须熔断；COUNT()应避免，改用近似值或异步汇总。
全局唯一递增 ID 代替 OFFSET
分库分表后 OFFSET 分页会跨多个物理分片扫描，导致性能断崖式下降，尤其在深分页（如 OFFSET 100000）时几乎不可用。根本原因是各分片数据分布不均、排序不一致，LIMIT OFFSET 无法保证逻辑顺序。
实际做法是放弃 OFFSET，改用「游标分页」：依赖某个严格单调递增且全局唯一的字段（如 id 或 create_time + sharding_key 组合），每次查询带上上一页最后一条的值：
SELECT * FROM order_001 WHERE id > 12345 ORDER BY id LIMIT 20;
注意点：
-
id必须是全局唯一、写入有序的（比如用雪花 ID 或数据库自增 ID 配合号段模式） - 不能用
create_time单独做游标，高并发下可能重复，需搭配id或分片键去重 - 首次查询无游标，直接用
ORDER BY id LIMIT 20；后续请求必须携带上一页末尾的id - 如果业务要求“跳转到第 N 页”，需前端禁用输入页码，或后台转成近似游标（但精度不可靠）
多分片结果合并排序（慎用）
当必须支持随机页码（如管理后台导出第 50 页），且数据量可控（百万级以内），可走「各分片并行查 + 应用层归并」路径。但这是兜底方案，不是常规解法。
典型流程：
- 向所有相关分片（如
order_001~order_008）下发相同条件的SELECT ... ORDER BY create_time DESC LIMIT 100（取足够大的LIMIT，比如目标页大小 × 分片数） - 应用层将 8 × 100 = 800 条结果按
create_time全局排序，再截取对应页（如第 50 页 → offset=980, limit=20） - 缺点明显：网络 IO 倍增、内存占用高、排序不稳定（时间相同则顺序未定义）
务必加熔断：若单次合并条数超阈值（如 5000），直接报错或降级为游标分页提示。
Count(*) 总数怎么算？
分库分表下 COUNT(*) 跨分片执行成本极高，多数场景应避免实时总数展示。
部分功能简介：商品收藏夹功能热门商品最新商品分级价格功能自选风格打印结算页面内部短信箱商品评论增加上一商品，下一商品功能增强商家提示功能友情链接用户在线统计用户来访统计用户来访信息用户积分功能广告设置用户组分类邮件系统后台实现更新用户数据系统图片设置模板管理CSS风格管理申诉内容过滤功能用户注册过滤特征字符IP库管理及来访限制及管理压缩，恢复，备份数据库功能上传文件管理商品类别管理商品添加/修改/
可行替代方案：
- 用近似值：基于统计信息（如 MySQL 的
INFORMATION_SCHEMA.TABLES中的TABLE_ROWS，误差可能达 40%） - 异步汇总：写入时用 Redis HyperLogLog 或单独汇总表记录增量，定时对账
- 前端模糊表达：“已显示 20 条，更多结果请继续浏览” —— 彻底去掉总数依赖
- 真要精确总数？只能全分片扫，但应限制条件（如加时间范围）+ 设置超时（
max_execution_time）+ 记录慢日志告警
ShardingSphere 等中间件的分页行为
ShardingSphere 默认把 LIMIT 10 OFFSET 20 拆成 LIMIT 30 下发到每个分片，再内存归并取 20 条。这看似省事，实则放大了问题：每个分片都返回冗余数据，IO 和 CPU 双重浪费。
关键配置项：
-
props: sql-show: true开启后可看到实际下发到各分片的 SQL，验证是否真的被改写 -
sql-parser-cache-enabled: true加速解析，但对分页无实质优化 - 真正有效的是关掉自动改写：
sql-comment-parse-enabled: false并手动使用游标语句，中间件不会干涉
别迷信中间件的“透明分页”能力 —— 它解决的是语法兼容，不是性能本质。真正的分页治理，得从 SQL 设计源头控制。
游标字段选什么、怎么索引、如何应对删除导致的空洞、分页缓存要不要做……这些细节一旦漏掉，线上就容易出现漏数据或重复数据。比写对 SQL 更难的，是让整个链路对“顺序”有共识。
