SQL报表如何处理千万级数据分页？主键游标分页真的比传统分页快吗

在千万级数据的SQL报表场景中，分页查询是绕不开的需求。当表数据量变大，传统limit配合偏移量的写法在翻到后面几页时响应会明显变慢，而主键游标分页依靠有序主键连续取值，能稳定保持查询效率。理解两者的底层差异，才能选对方案。

传统分页的问题在哪里

常见的报表分页语句如下，通过limit和偏移量获取某一页：

-- 获取第100001到100020条记录
select id, user_name, amount, create_time
from report_order
order by id asc
limit 100000, 20;
</code>

数据库在执行时，必须先排序再向后扫描并丢弃前100000行，只返回最后20行。数据量越大、翻页越深，丢弃的行数越多，CPU和IO消耗越严重。

主键游标分页怎么写

如果表主键id是自增且连续的，可以用上一页最大id作为游标：

-- 已知上一页最大id为100000，取下一页
select id, user_name, amount, create_time
from report_order
where id > 100000
order by id asc
limit 20;
</code>

这条语句利用主键索引直接定位，不需要跳过历史数据，扫描行数恒定为页大小。

两种方案对比

使用游标分页的注意点

• 主键必须有序且查询按该主键排序，否则游标会漏数据。
• 若业务允许删除数据导致主键不连续，游标分页依然可用，只是页内数量可能不足。
• 不支持任意跳页，只能上一页下一页，报表导出通常满足。

在代码中封装游标查询

下面用Python简单演示游标翻页读取报表：

import pymysql

conn = pymysql.connect(host='127.0.0.1', user='root', password='test', db='report')
cur = conn.cursor()
last_id = 0
page_size = 1000
while True:
    cur.execute(
        "select id, user_name, amount from report_order where id > %s order by id asc limit %s",
        (last_id, page_size)
    )
    rows = cur.fetchall()
    if not rows:
        break
    for r in rows:
        print(r)
    last_id = rows[-1][0]
cur.close()
conn.close()
</code>

如上所示，每次循环用上一批最大id进入下一页，直到没有数据。面对千万级SQL报表，主键游标分页是简单且高效的做法。

SQL报表千万级数据主键游标分页传统分页查询优化修改时间：2026-07-25 02:03:18