用Twitter的cursor方式进行Web数据分页_MySQL

bitsCN.com

　　本文讨论web应用中实现数据分页功能，不同的技术实现方式的性能方区别。

　　上图功能的技术实现方法拿MySQL来举例就是

　　select * from msgs where thread_id = ? limit page * count, count

　　不过在看Twitter API的时候，我们却发现不少接口使用cursor的方法，而不用page, count这样直观的形式，如 followers ids 接口

　　URL:

　　http://twitter.com/followers/ids.format

　　Returns an array of numeric IDs for every user following the specified user.

　　Parameters:

　　* cursor. Required. Breaks the results into pages. Provide a value of -1 to begin paging. Provide values as returned to in the response body’s next_cursor and previous_cursor attributes to page back and forth in the list.

　　o Example: http://twitter.com/followers/ids/barackobama.xml?cursor=-1

　　o Example: http://twitter.com/followers/ids/barackobama.xml?cursor=-1300794057949944903

　　从上面描述可以看到，http://twitter.com/followers/ids.xml 这个调用需要传cursor参数来进行分页，而不是传统的 url?page=n&count=n的形式。这样做有什么优点呢?是否让每个cursor保持一个当时数据集的镜像?防止由于结果集实时改变而产生查询结果有重复内容?

　　在Google Groups这篇Cursor Expiration讨论中Twitter的架构师John Kalucki提到

　　A cursor is an opaque deletion-tolerant index into a Btree keyed by source

　　userid and modification time. It brings you to a point in time in the

　　reverse chron sorted list. So, since you can’t change the past, other than

　　erasing it, it’s effectively stable. (Modifications bubble to the top.) But

　　you have to deal with additions at the list head and also block shrinkage

　　due to deletions, so your blocks begin to overlap quite a bit as the data

　　ages. (If you cache cursors and read much later, you’ll see the first few

　　rows of cursor[n+1]’s block as duplicates of the last rows of cursor[n]’s

　　block. The intersection cardinality is equal to the number of deletions in

　　cursor[n]’s block). Still, there may be value in caching these cursors and

　　then heuristically rebalancing them when the overlap proportion crosses some

　　threshold.

启科网络PHP商城系统

启科网络商城系统由启科网络技术开发团队完全自主开发，使用国内最流行高效的PHP程序语言，并用小巧的MySql作为数据库服务器，并且使用Smarty引擎来分离网站程序与前端设计代码，让建立的网站可以自由制作个性化的页面。 系统使用标签作为数据调用格式，网站前台开发人员只要简单学习系统标签功能和使用方法，将标签设置在制作的HTML模板中进行对网站数据、内容、信息等的调用，即可建设出美观、个性的网站。

0

查看详情

　　在另外一篇new cursor-based pagination not multithread-friendly中John又提到

　　The page based approach does not scale with large sets. We can no

　　longer support this kind of API without throwing a painful number of

　　503s.

　　Working with row-counts forces the data store to recount rows in an O

　　(n^2) manner. Cursors avoid this issue by allowing practically

　　constant time access to the next block. The cost becomes O(n/

　　block_size) which, yes, is O(n), but a graceful one given n

　　a block_size of 5000. The cursor approach provides a more complete and

　　consistent result set.

　　Proportionally, very few users require multiple page fetches with a

　　page size of 5,000.

　　Also, scraping the social graph repeatedly at high speed is could

　　often be considered a low-value, borderline abusive use of the social

　　graph API.

　　通过这两段文字我们已经很清楚了，对于大结果集的数据，使用cursor方式的目的主要是为了极大地提高性能。还是拿MySQL为例说明，比如翻页到100,000条时，不用cursor，对应的SQL为

　　select * from msgs limit 100000, 100

　　在一个百万记录的表上，第一次执行这条SQL需要5秒以上。

　　假定我们使用表的主键的值作为cursor_id, 使用cursor分页方式对应的SQL可以优化为

　　select * from msgs where id > cursor_id limit 100;

　　同样的表中，通常只需要100ms以下, 效率会提高几十倍。MySQL limit性能差别也可参看我3年前写的一篇不成熟的文章 MySQL LIMIT 的性能问题。

　　结论

　　建议Web应用中大数据集翻页可以采用这种cursor方式，不过此方法缺点是翻页时必须连续，不能跳页。