JPA 百万级数据量动态分页查询的优化

分页查询是业务中再常见不过的操作了，在数据量比较小，索引使用得当的情况下，一般的动态查询都没啥性能问题。然而当数据量比较达到百万，千万级，常规的分页查询一般都会出现性能问题。本文不会介绍什么分库分表，缓存之类的优化方案，这些东西在网上千篇一律，不值得在此处拿来讨论。本文将通过具体的案例来讲讲当数据量到达百万量级后，分页到底该怎么做，代码该怎么写。

前言

分页查询是业务中再常见不过的操作了，在数据量比较小，索引使用得当的情况下，一般的动态查询都没啥性能问题。然而当数据量比较达到百万，千万级，常规的分页查询一般都会出现性能问题。本文不会介绍什么分库分表，缓存之类的优化方案，这些东西在网上千篇一律，不值得在此处拿来讨论。本文将通过具体的案例来讲讲当数据量到达百万量级后，分页到底该怎么做，代码该怎么写。
解决方案

基于索引的搜索: 通过在建立索引的基础上建立一个搜索索引，结合参数进行模糊查询，将搜索的结果限定在一个较小范围内。

• 分治策略: 将这个百万数据集分割成几个确定范围内的子集，将查找任务交给各个子集，最后再聚合起来。此种方法也叫做分治算法，该算法实现简单，也能大大提高查询效率。
  
• Hash表搜索：哈希索引适用于经常被搜索的百万级数据表上。将被搜索字段作为哈希表的键，构建hash表，提前缓存所有可能的结果，有效降低了搜索所需时间
  

常规查询分页优化

JPA提供的PagingAndSortingRepository接口可以很方便的为我们实现分页，我们只需要继承这个接口或者其子接口JpaRepository就可以实现分页操作。
先看个简单的例子，下面是个无任何查询参数的分页。
public interface AuthorsRepository extends JpaRepository<Authors, Integer> {}@Servicepublic class AuthorsQueryService {    private final AuthorsRepository authorsRepository;    public AuthorsQueryService(AuthorsRepository authorsRepository) {        this.authorsRepository = authorsRepository;    }    public Page<Authors> queryPage(Integer pageNo, Integer pageSize) {        return authorsRepository.findAll (PageRequest.of (pageNo, pageSize));    }}当前的测试数据集有270多万，看看这个查询大概会多长时间呢？在单元测试中执行以下代码：
        long t1 = System.currentTimeMillis ();        Page<Authors> page = authorsQueryService.queryPage (1,10);        long t2 = System.currentTimeMillis ();        System.out.println ("page query cost time : " + (t2-t1));控制台输出：
Hibernate: select authors0_.id as id1_0_,     authors0_.added as added2_0_,     authors0_.birthdate as birthdat3_0_,     authors0_.email as email4_0_,     authors0_.first_name as first_na5_0_,     authors0_.last_name as last_nam6_0_ from authors authors0_ limit ?, ?Hibernate: select count(authors0_.id) as col_0_0_ from authors authors0_page query cost time : 1205可以看出，总共耗时1.2s。这个查询已经很慢了，如果算上浏览器传输的时间消耗，时间会更长。对于商业网站来说，页面停顿超过1s，用户大概率会关闭。
当然这个查询也不是没有优化的办法，我们把控制台打印的两条SQL放到Navicat中跑一下，就可以发现，时间基本都用在了第二条统计总量的sql上了，统计总量是为了计算总页数。
所以，优化分页查询的第一个方案：
避免总量统计
对于一些不需要展示总页数的场景来说，这个方案再合适不过了。
JPA提供了返回Slice类型的对象来避免分页时统计总数，我们只需要在dao层增加一个返回Slice的方法就好了：
public interface AuthorsRepository extends JpaRepository<Authors, Integer> {    Slice<Authors> findAllBy(Pageable pageable);}在Service中增加：
    public Slice<Authors> querySlice(Integer pageNo, Integer pageSize) {        return authorsRepository.findAllBy (PageRequest.of (pageNo, pageSize));    }在单元测试中增加代码：
        long t2 = System.currentTimeMillis ();        Slice<Authors> slice = authorsQueryService.querySlice (1,10);        long t3 = System.currentTimeMillis ();        System.out.println ("slice query cost time : " + (t3-t2));通过控制台可以发现，Slice 确实避免了做分页查询的总量统计，它只用了32ms。
Hibernate: select authors0_.id as id1_0_, authors0_.added as added2_0_, authors0_.birthdate as birthdat3_0_, authors0_.email as email4_0_, authors0_.first_name as first_na5_0_, authors0_.last_name as last_nam6_0_ from authors authors0_ limit ?, ?slice query cost time : 32这里Slice的返回实际上是SliceImpl对象，虽然它不再提供总量和总页数，但我们可以根据 hashNext 属性来判断是否有下一页。

这里的分页比较简单，如果是复杂条件动态查询的场景呢？
动态查询分页优化

动态查询简单来说若某个字段存在，则用上这个字段作为查询条件，反之忽略。JPA提供了动态查询的接口JpaSpecificationExecutor用来实现这类动态拼SQL的操作。我们的dao层接口只需要继承它即可：
public interface AuthorsRepository extends JpaRepository<Authors, Integer>, JpaSpecificationExecutor<Authors> {    Slice<Authors> findAllBy(Pageable pageable);}Service增加代码如下，这是个非常简单的动态查询，如果fistName字段有值，则进行like左前缀匹配，如果lastName或者email有值则进行相等匹配。
    public Slice<Authors> dynamicQuery(Authors authors, Integer pageNo, Integer pageSize) {        return authorsRepository.findAll ((Specification<Authors>) (root, query, criteriaBuilder) -> {            List<redicate> list = new ArrayList<> ();            if (authors.getFirstName () != null && !authors.getFirstName ().trim ().isEmpty ()) {                list.add(criteriaBuilder                        .like (root.get("firstName").as(String.class), authors.getFirstName ()+"%"));            }            if (authors.getLastName () != null && !authors.getLastName ().trim ().isEmpty ()) {                list.add(criteriaBuilder                        .equal(root.get("lastName").as(String.class), authors.getLastName ()));            }            if (authors.getEmail () != null && !authors.getEmail ().trim ().isEmpty ()) {                list.add(criteriaBuilder                        .equal(root.get("email").as(String.class), authors.getEmail ()));            }            Predicate[] p = new Predicate[list.size()];            return criteriaBuilder.and(list.toArray(p));        }, PageRequest.of (pageNo, pageSize));    }单元测试中增加测试代码：
        Authors queryDto = new Authors ();        queryDto.setFirstName ("A");        queryDto.setLastName ("Bosco");        queryDto.setEmail ("eve54@example.org");        long t4 = System.currentTimeMillis ();        Slice<Authors> authorsSlice = authorsQueryService.dynamicQuery (queryDto, 1, 10);        long t5 = System.currentTimeMillis ();        System.out.println ("dynamic query cost time :" + (t5-t4));观察控制台的打印：
Hibernate: select authors0_.id as id1_0_, authors0_.added as added2_0_, authors0_.birthdate as birthdat3_0_, authors0_.email as email4_0_, authors0_.first_name as first_na5_0_, authors0_.last_name as last_nam6_0_ from authors authors0_ where (authors0_.first_name like ?) and authors0_.last_name=? and authors0_.email=? limit ?, ?Hibernate: select count(authors0_.id) as col_0_0_ from authors authors0_ where (authors0_.first_name like ?) and authors0_.last_name=? and authors0_.email=?dynamic query cost time :1025虽然总共耗时大概1s，但是这里有个比较明显的问题：
即使接口声明了返回Slice，但底层还是执行了总量统计
通过debugger查看上面 authorsSlice 的具体实现，可以看出它竟然是PageImpl，而非SliceImpl！
回归源码，可以看出Page实际上是Slice的子接口，而真正实现无总量统计的分页对象实际上是SliceImpl对象。
此处，使用 JpaSpecificationExecutor 接口尽管定义了方法返回类型为Slice，但查询依然返回PageImpe，导致分页仍然统计了总量。
进入源码分析，以下为JpaSpecificationExecutor#findAll方法源码:


由于我们传入了分页参数，所以进入readPage方法：

通过红框部分可以看出readPage方法一定会执行总量统计。
虽然底层写死了一定会执行总量统计，但是这个方法的访问修饰符是protected，JPA的作者似乎在告诉我们，你要是对这个方法不满意，那就重写它！所以，动态分页的优化核心在于：
重写 readPage 方法
这里的重写也不复杂，只需要去掉executeCountQuery ，然后拼装PageImpl对象即可。
我们定义了静态内部类SimpleJpaNoCountRepository继承SimpleJpaRepository，readPage方法改写分页实现，然后再提供一个findAll方法作为入口，通过调用子类的findAll，那么readPage方法也就会走子类的方法，从而避免分页的总量统计。
@Repositorypublic class CriteriaNoCountDao {    @PersistenceContext    protected EntityManager em;    public <T, I extends Serializable> Slice<T> findAll(final Specification<T> spec, final Pageable pageable,                                                        final Class<T> domainClass) {        final SimpleJpaNoCountRepository<T, I> noCountDao = new SimpleJpaNoCountRepository<> (domainClass, em);        return noCountDao.findAll (spec, pageable);    }    /**     * Custom repository type that disable count query.     */    public static class SimpleJpaNoCountRepository<T, ID extends Serializable> extends SimpleJpaRepository<T, ID> {        public SimpleJpaNoCountRepository(Class<T> domainClass, EntityManager em) {            super (domainClass, em);        }        @Override        protected <S extends T> Page<S> readPage(TypedQuery<S> query, Class<S> domainClass, Pageable pageable, Specification<S> spec) {            query.setFirstResult ((int) pageable.getOffset ());            query.setMaxResults (pageable.getPageSize ());            final List<S> content = query.getResultList ();            return new PageImpl<> (content, pageable, content.size ());        }    }}在Service中增加调用：
    public Slice<Authors> noPagingDynamicQuery(Authors authors, Integer pageNo, Integer pageSize) {        return noCountPagingRepository.findAll ((Specification<Authors>) (root, query, criteriaBuilder) -> {            List<redicate> list = new ArrayList<> ();            if (authors.getFirstName () != null && !authors.getFirstName ().trim ().isEmpty ()) {                list.add(criteriaBuilder                        .like (root.get("firstName").as(String.class), authors.getFirstName ()+"%"));            }            if (authors.getLastName () != null && !authors.getLastName ().trim ().isEmpty ()) {                list.add(criteriaBuilder                        .equal(root.get("lastName").as(String.class), authors.getLastName ()));            }            if (authors.getEmail () != null && !authors.getEmail ().trim ().isEmpty ()) {                list.add(criteriaBuilder                        .equal(root.get("email").as(String.class), authors.getEmail ()));            }            Predicate[] p = new Predicate[list.size()];            return criteriaBuilder.and(list.toArray(p));        }, PageRequest.of (pageNo, pageSize), Authors.class);    }单元测试及控制台输出：
        long t5 = System.currentTimeMillis ();        Slice<Authors> authorsSlice = authorsQueryService.noPagingDynamicQuery (queryDto, 1, 10);        long t6 = System.currentTimeMillis ();        System.out.println ("no paging dynamic query cost time :" + (t6-t5));Hibernate: select authors0_.id as id1_0_, authors0_.added as added2_0_, authors0_.birthdate as birthdat3_0_, authors0_.email as email4_0_, authors0_.first_name as first_na5_0_, authors0_.last_name as last_nam6_0_ from authors authors0_ where (authors0_.first_name like ?) and authors0_.last_name=? and authors0_.email=? limit ?, ?no paging dynamic query cost time :148很明显可以看出来，我们对底层源码的重写生效了，这个重写方案成功地解决了动态查询时，Slice分页一定走总量统计的问题。