MyBatis-Plus分页机制深度解析与性能优化

1. MyBatis-Plus分页机制原理解析

MyBatis-Plus的分页功能本质上是对MyBatis原生分页的增强封装。其核心实现原理是通过ThreadLocal保存分页参数，在执行SQL前动态拦截并重写语句。具体工作流程如下：

1. 调用Page构造函数创建分页对象时，会自动将分页参数存入PaginationInnerInterceptor的线程局部变量
2. 通过MyBatis的Interceptor接口实现SQL拦截
3. 根据数据库类型（MySQL/Oracle等）使用不同的方言处理器重写SQL
4. 执行COUNT查询获取总数
5. 添加LIMIT/OFFSET等分页语法

// 典型分页查询示例 Page<User> page = new Page<>(1, 10); // 当前页，每页数量 userMapper.selectPage(page, queryWrapper);

关键点：分页拦截器会在同一个线程内多次执行SQL，先查总数再查数据，这也是性能瓶颈的主要来源

2. 常见性能问题诊断

2.1 执行计划分析

通过EXPLAIN查看分页查询的执行计划时，常见问题包括：

2.2 慢查询日志分析

典型的分页慢查询通常呈现以下特征：

• 深度分页时响应时间非线性增长
• COUNT查询耗时占比超过50%
• 相同分页参数执行时间波动大

3. 深度优化方案

3.1 索引优化策略

对于分页查询的WHERE条件，必须建立复合索引。以用户查询为例：

-- 原始查询 SELECT * FROM user WHERE age > 18 ORDER BY create_time DESC LIMIT 100000, 10 -- 优化索引 ALTER TABLE user ADD INDEX idx_age_create_time (age, create_time DESC)

注意：MySQL 8.0+支持DESC索引，低版本需考虑倒序存储技巧

3.2 延迟关联技巧

通过子查询先获取主键，再关联获取完整数据：

QueryWrapper<User> wrapper = new QueryWrapper<User>() .select("id") .eq("status", 1) .orderByDesc("create_time"); Page<User> page = new Page<>(1, 10); page.setSearchCount(false); // 禁用自动COUNT查询 List<Long> ids = userMapper.selectObjs(wrapper, page) .stream().map(o -> (Long)o).collect(Collectors.toList()); if(!ids.isEmpty()) { List<User> users = userMapper.selectBatchIds(ids); }

3.3 游标分页实现

基于上次查询结果的标记分页（适合无限滚动场景）：

// 首次查询 QueryWrapper<User> wrapper = new QueryWrapper<User>() .gt("id", lastId) .orderByAsc("id") .last("LIMIT 10"); List<User> users = userMapper.selectList(wrapper); Long newLastId = users.get(users.size()-1).getId();

4. 高级配置技巧

4.1 拦截器自定义配置

@Bean public MybatisPlusInterceptor mybatisPlusInterceptor() { MybatisPlusInterceptor interceptor = new MybatisPlusInterceptor(); // 自定义分页拦截器 PaginationInnerInterceptor paginationInterceptor = new PaginationInnerInterceptor(DbType.MYSQL); paginationInterceptor.setOptimizeJoin(true); // 优化JOIN查询 paginationInterceptor.setMaxLimit(500L); // 单页最大记录数 paginationInterceptor.setOverflow(false); // 溢出总页数后处理 interceptor.addInnerInterceptor(paginationInterceptor); return interceptor; }

4.2 多数据源分页支持

需为每个数据源单独配置方言：

@Bean @ConfigurationProperties(prefix = "spring.datasource.ds1") public DataSource ds1() { return DataSourceBuilder.create().build(); } @Bean public PaginationInnerInterceptor ds1PaginationInterceptor() { PaginationInnerInterceptor interceptor = new PaginationInnerInterceptor(DbType.MYSQL); interceptor.setDialect(new MySqlDialect()); return interceptor; }

5. 生产环境监控方案

5.1 指标采集配置

通过Micrometer暴露分页指标：

management: metrics: export: prometheus: enabled: true distribution: percentiles: mybatis.page.query.time: 0.5,0.9,0.99

5.2 告警规则示例

-- Grafana Alert SQL SELECT rate(mybatis_page_query_count_total[5m]) > 100 AND histogram_quantile(0.9, rate(mybatis_page_query_time_seconds_bucket[5m])) > 1

6. 版本适配指南

针对不同MyBatis-Plus版本的优化差异：

对于SpringBoot的版本适配：

<!-- 推荐组合 --> <dependency> <groupId>com.baomidou</groupId> <artifactId>mybatis-plus-boot-starter</artifactId> <version>3.5.3.1</version> </dependency> <dependency> <groupId>org.springframework.boot</groupId> <artifactId>spring-boot-starter-jdbc</artifactId> <version>2.7.8</version> </dependency>

7. 实战问题排查案例

7.1 COUNT查询异常

现象：分页总数与实际不符 排查步骤：

1. 检查是否有逻辑删除字段@TableLogic
2. 确认wrapper条件是否包含SQL注入风险字符
3. 开启SQL日志对比count语句与实际查询条件

7.2 内存溢出问题

典型堆栈：

java.lang.OutOfMemoryError: Java heap space at com.baomidou.mybatisplus.core.toolkit.CollectionUtils.newHashMap(CollectionUtils.java:67)

解决方案：

1. 限制maxLimit参数
2. 对于导出场景改用流式查询
3. 添加JVM参数：-XX:+HeapDumpOnOutOfMemoryError

8. 新型分页模式探索

8.1 分布式分页方案

基于Elasticsearch的搜索后分页：

SearchSourceBuilder sourceBuilder = new SearchSourceBuilder() .query(QueryBuilders.termQuery("status", 1)) .from((pageNum - 1) * pageSize) .size(pageSize) .sort(SortBuilders.fieldSort("create_time").order(SortOrder.DESC)); SearchRequest request = new SearchRequest("user_index"); request.source(sourceBuilder);

8.2 前端分页优化

对于万级以下数据量，考虑全量查询+前端分页：

// Vue实现示例 const pagination = reactive({ currentPage: 1, pageSize: 10, total: 0, allData: [] }) async function loadAllData() { const res = await api.getAllData() pagination.allData = res.data pagination.total = res.data.length } function getPagedData() { const start = (pagination.currentPage - 1) * pagination.pageSize return pagination.allData.slice(start, start + pagination.pageSize) }

9. 性能压测对比

使用JMeter对不同方案进行测试（数据量1000万条）：

测试环境配置：

• CPU: 4核
• 内存: 8GB
• MySQL: 5.7.32
• 网络延迟: <1ms

10. 架构级解决方案

对于超大规模数据分页，建议采用以下架构：

1. 读写分离：查询走从库
2. 结果缓存：使用Redis缓存分页结果
3. 预计算：定时任务预先计算热门查询分页
4. 异构存储：将历史数据迁移至ClickHouse等分析型数据库

缓存策略示例：

@Cacheable(value = "userPage", key = "#pageNum+'-'+#pageSize+'-'+#wrapper.cacheKey") public Page<User> getCachedPage(Page<User> page, QueryWrapper<User> wrapper) { return userMapper.selectPage(page, wrapper); }

缓存Key生成规则：

public QueryWrapper<User> buildWrapper(String name) { QueryWrapper<User> wrapper = new QueryWrapper<User>() .eq(StringUtils.isNotBlank(name), "name", name); wrapper.setEntityClass(User.class); // 支持自动生成cacheKey return wrapper; }