常见数据库的分页实现方案

数据库
随着数据库的发展,如今的数据库可以储存大量的数据,内存也是越来越大,但是无论您的内存多大,内存总是显得不够用,这时就要涉及到分页,下文中将为大家带来详细的数据库分页操作。

1.Oracle:

  1. select * from ( select row_.*, rownum rownum_ from ( query_SQL ) row_ where rownum =< maxwhere rownum_ >= min 

2.SQL Server:

  1. select top @pagesize * from tablename where id not in (select top @pagesize*(@page-1) id from tablename order by id) order by id 

3.MySQL

  1. select * from tablename limit position, counter 

4.DB2

  1. select * from (select *,rownumber() as ROW_NEXT from tablename) where ROW_NEXT between min and max 

1.分页方案一:(利用Not In和SELECT TOP分页)效率次之

语句形式:

  1. SELECT TOP 10 * FROM TestTable 
  2. WHERE(ID NOT IN (SELECT TOP 20  id FROM  TestTable  ORDERBY  id))   ORDERBYID 
  3. SELECT  TOP 页大小 * FROM TestTable 
  4. WHERE( ID NOT IN (SELECT  TOP  每页大小-1*待查询页数-1  id  FROM  表 ORDERBY  id)) ORDERBYID 

思路:先查询出待查询页之前的全部条数的id,查询ID不在这些ID中的指定数量条数

2.分页方案二:(利用ID大于多少和SELECT TOP分页)效率最高

语句形式:

  1. SELECT  TOP  10 *   FROM  TestTable 
  2. WHERE(ID>(SELECT MAX(id) FROM(SELECT TOP20 id  FROM  TestTable ORDERBYid)AS T))ORDERBY ID 
  3. SELECT  TOP  页大小* FROM  TestTable 
  4. WHERE(ID>(SELECT MAX(id) FROM(SELECT TOP 每页大小*待查询页数-1  id FROM 表  ORDERBY id)AS T)) ORDERBY ID 

思路:先获得待查询页的之前全部条数id,获得它们当中最大的ID号,以此最大ID号为标志,查找比这个ID号大的指定条数

3.分页方案三:

  1. SELECT TOP PageSize * FROM(SELECT TOP nPage*PageSize * from YOURTABLE order by id)as a order by id desc 
  2. SELECT TOP 每页条数 * FROM (SELECT TOP 待查询页*每页条数) * from YOURTABLE order by id)as a order by id desc 

思路:先正排序查询出待查询页之前(包括当前页)的全部条数,然后将其倒排序,取指定条数

原文链接:http://www.cnblogs.com/yongle_tianya/archive/2011/08/02/2125197.html

【编辑推荐】

  1. Oracle分页小谈
  2. 谈谈Java调用SQL Server分页存储过程
  3. Access分页方案
  4. 浅谈如何构建高效的MySQL分页
  5. 证明DataReader分页的可行性

 

 


 

责任编辑:艾婧 来源: 永少的博客
相关推荐

2019-04-03 05:04:50

2018-03-14 10:51:00

数据库容灾技术

2017-06-14 08:15:58

2019-08-13 09:40:55

数据结构算法JavasCript

2009-11-18 16:10:00

2011-08-15 10:22:19

分页查询数据库

2011-08-03 09:37:11

数据库分页

2019-05-14 14:27:21

跨库分页分库数据

2011-07-12 16:42:41

2017-04-19 22:58:28

MySQL分布式数据

2010-08-05 09:21:00

DB2数据库

2024-10-09 16:45:47

2009-05-15 10:11:55

数据库查询查询性能分页浏览

2010-09-06 11:40:06

SqlServer语句

2012-03-28 11:17:48

JavaSSHJSP

2012-07-23 14:30:33

Oracle

2011-04-19 11:02:57

数据库分页

2010-05-17 17:35:30

MySQL数据库

2010-07-02 08:39:02

SQLServer数据

2019-08-01 11:27:46

数据复制数据源中间层
点赞
收藏

51CTO技术栈公众号