Java分页查询方式总结

分页查询核心思路

分页的本质是限制查询结果的条数+跳过指定行数，并查询总记录数（用于计算总页数）。核心参数：

• pageNum：当前页码（从 1 开始）
• pageSize：每页显示条数
• 起始行计算：startRow = (pageNum - 1) * pageSize
• 总页数计算：totalPages = (totalCount + pageSize - 1) / pageSize（向上取整）

常见分页实现方式

MyBatis

1、mapper手动拼SQL

Mapper 接口：

import org.apache.ibatis.annotations.Param; import java.util.List; public interface UserMapper { // 查询分页数据 List<User> selectUserByPage(@Param("startRow") int startRow, @Param("pageSize") int pageSize); // 查询总条数 int selectUserTotalCount(); }

Mapper.xml：

<?xml version="1.0" encoding="UTF-8"?> <!DOCTYPE mapper PUBLIC "-//mybatis.org//DTD Mapper 3.0//EN" "http://mybatis.org/dtd/mybatis-3-mapper.dtd"> <mapper namespace="com.example.mapper.UserMapper"> <!-- 分页查询数据 --> <select id="selectUserByPage" resultType="com.example.entity.User"> SELECT id, name, age FROM user LIMIT #{startRow}, #{pageSize} </select> <!-- 查询总条数 --> <select id="selectUserTotalCount" resultType="int"> SELECT COUNT(*) FROM user </select> </mapper>

2、PageHelper 插件

需要在 pom.xml 中添加 PageHelper 依赖

<dependency> <groupId>com.github.pagehelper</groupId> <artifactId>pagehelper-spring-boot-starter</artifactId> <version>1.4.7</version> </dependency>

在调用时添加如下代码

// 开启分页（只对紧接着的第一个查询生效） PageHelper.startPage(pageNum, pageSize);

MyBatis-Plus

1、使用内置分页插件 PaginationInnerInterceptor

Page<Forlan>page=newPage<>(pageNum,pageSize);QueryWrapper<Forlan>queryWrapper=newQueryWrapper<>();queryWrapper.eq("id",id);mapper.selectPage(page,queryWrapper);service.lambdaQuery().page(newPage<>(pageNum,pageSize))

2、基于偏移量的分页（升级写法，自己控制结束）

核心参数：

1. LIMIT N
   表示“只返回最多 N 条记录”。
   通常用来控制每页显示的数据条数。
2. OFFSET M
   表示“跳过前 M 条记录”，从第 M+1 条开始取数据。
   用于定位到当前请求的页码起始位置。
   核心：service.query().last("LIMIT " + batchSize + " OFFSET " + offset).list();

finalintbatchSize=1000;List<Forlan>allResults=newArrayList<>();intoffset=0;booleanhasMoreResults=true;while(hasMoreResults){try{List<Forlan>batchResults=service.query().last("LIMIT "+batchSize+" OFFSET "+offset).list();if(batchResults==null||batchResults.isEmpty()){hasMoreResults=false;}else{allResults.addAll(batchResults);offset+=batchResults.size();}}catch(Exceptione){log.info("Error querying batch: ",e);hasMoreResults=false;}}returnallResults;

上面的写法，存在问题：随着 offset 增大，性能下降严重，对大数据量场景不友好，适合深度翻页，比如：

-- 查询第10001页，每页10条数据 SELECT * FROM products ORDER BY id LIMIT 10 OFFSET 100000;

这条SQL的执行逻辑并非直接定位到第100,001条记录。MySQL的实际处理过程是：从存储引擎中读取满足条件的前 100010 (OFFSET + LIMIT) 条记录，在服务层（Server Layer）对这些记录进行排序，抛弃前面的 100000 条记录，返回最终的 10 条记录。

所以，OFFSET 值越大，MySQL需要扫描、加载并最终抛弃的行数就越多，这导致了巨大的I/O和CPU资源浪费，是性能下降的直接原因。

1）延迟关联：优化后的写法

核心思想：先通过覆盖索引快速定位到目标页的主键ID，然后再关联原表获取完整的行数据，从而减少对主表数据的扫描。

LonglastId=0L;finalintbatchSize=1000;List<Forlan>allResults=newArrayList<>();booleanhasMoreResults=true;while(hasMoreResults){try{List<Forlan>batchResults=service.query().gt("id",lastId).last("LIMIT "+batchSize).list();if(batchResults==null||batchResults.isEmpty()){hasMoreResults=false;}else{allResults.addAll(batchResults);lastId=batchResults.get(batchResults.size()-1).getId();}}catch(Exceptione){log.info("Error querying batch: ",e);hasMoreResults=false;}}returnallResults;

存在问题，如果扫描的最小id在几千万，这时候首次查询也是非常耗费时间的，进一步优化的写法如下：

finalintbatchSize=1000;List<Forlan>allResults=newArrayList<>();booleanhasMoreResults=true;Forlanforlan=service.query().select("min(id) id").one();if(forlan==null){returnallResults;}LonglastId=forlan.getId()-1;while(hasMoreResults){try{List<Forlan>batchResults=service.query().gt("id",lastId).last("LIMIT "+batchSize).list();if(batchResults==null||batchResults.isEmpty()){hasMoreResults=false;}else{allResults.addAll(batchResults);lastId=batchResults.get(batchResults.size()-1).getId();}}catch(Exceptione){log.info("Error querying batch: ",e);hasMoreResults=false;}}returnallResults;

2）书签法

是目前性能最优的方案。它摒弃了OFFSET，通过上一页最后一条记录的唯一键值来定位下一页的起始位置，但要求主键或查询条件连续

假设我们按自增id排序，上一页返回的最后一条记录id为100000。不使用OFFSET，而是利用上一页的id进行定位

SELECT * FROM products WHERE id > 100000 ORDER BY id ASC LIMIT 10;

优点：查询性能恒定，不受分页深度影响，速度极快。