当前位置:首页 > 文章列表 > 文章 > php教程 > PHP分页查询缓存优化技巧

PHP分页查询缓存优化技巧

2026-04-07 19:41:13 0浏览 收藏
本文深入剖析了PHP分页查询中缓存优化的关键实践与避坑指南,强调缓存并非万能解药——仅适用于静态榜单、商品分类、博客归档等读多写少、排序稳定且无用户个性化逻辑的场景;提出以Redis缓存结构化数据块(而非HTML)、采用确定性键名拼接和json_encode序列化、结合惰性删除与主动刷新策略,并重点指出高偏移量下必须用游标分页替代LIMIT OFFSET以规避数据库扫描性能陷阱和缓存击穿风险,同时给出预占锁、页预热、TTL设计等落地细节,帮你真正实现高效、安全、可维护的分页缓存。

PHP怎样用缓存加速分页查询_PHP分页查询缓存法【分页】

缓存分页结果前先确认是否真能缓存

分页查询缓存不是万能的,尤其当数据实时性要求高、用户登录态影响结果(如权限过滤)、或 ORDER BY 字段频繁更新时,缓存反而导致脏数据。真正适合缓存的是「静态榜单」「商品分类列表」「博客归档页」这类读多写少、排序稳定、无个性化逻辑的场景。

关键判断点:
• 分页 SQL 中不含 WHERE user_id = ? 或 session_id 类动态条件
• 排序字段(如 created_at)更新频率低于缓存 TTL(比如每小时更新不到 10 次)
• 总记录数 COUNT(*) 不随每次请求重算(应单独缓存或用近似值)

用 Redis 缓存分页数据块而非整页 HTML

别把 render_page_html() 的输出直接塞进 Redis——HTML 体积大、难以复用、无法按需更新某一页。正确做法是缓存「数据块」:即 SELECT id, title, updated_at FROM posts ORDER BY created_at DESC LIMIT 20 OFFSET 40 返回的数组。

实操建议:
• 键名用确定性拼接,例如 "page:posts:by_created:20:40"(表示每页 20 条、第 3 页)
• 值序列化用 json_encode(),避免 serialize() 的 PHP 版本兼容问题
• 设置 TTL 略高于业务容忍延迟,比如 600 秒(10 分钟),并配合「惰性删除 + 主动刷新」策略
• 若总条数变化,只删 "count:posts:by_created" 键,不影响已有分页数据块

跳页时避免缓存击穿和雪崩

用户猛点第 1000 页,而该页从未被访问过,此时大量并发请求会同时穿透缓存去查 DB,还可能触发重复缓存写入。这不是理论风险,真实日志里常看到 "SELECT ... LIMIT 20 OFFSET 19980" 突增。

应对方式:
• 对高偏移量(如 OFFSET > 5000)强制走游标分页(cursor-based pagination),不依赖缓存键映射
• 使用 Redis 的 SETNX(set($key, $val, ['nx', 'ex' => 60]))实现「缓存预占」:先尝试设键,成功者查库并写缓存,失败者等待 100ms 后重读缓存
• 预热常用页:后台定时请求前 5 页、热门标签下前 3 页,写入缓存

注意 MySQL 的 LIMIT OFFSET 在缓存失效后的性能陷阱

哪怕你缓存了第 1 页到第 10 页,一旦缓存全失效,首次请求第 50 页仍会执行 LIMIT 20 OFFSET 980——MySQL 还是得扫描前 980 行。这和有没有缓存无关,是 SQL 本身的问题。

所以必须搭配:
• 游标分页替代方案:用上一页最后一条的 created_at 和 id 作为条件,例如 WHERE created_at
• 在游标分页基础上再套缓存,键名可简化为 "page:posts:cursor:2023-01-01:12345"
• 禁止在缓存层做 OFFSET 计算,所有分页参数必须由业务层校验并转换为游标条件

最易被忽略的一点:缓存的「页大小」必须和 SQL 中的 LIMIT 严格一致,且不能在应用层对缓存结果再切片(比如缓存了 20 条却只显示 15 条),否则游标逻辑和缓存命中都会错乱。

好了,本文到此结束,带大家了解了《PHP分页查询缓存优化技巧》,希望本文对你有所帮助!关注golang学习网公众号,给大家分享更多文章知识!

Word姓名对齐技巧:两字与三字姓名统一排版方法Word姓名对齐技巧:两字与三字姓名统一排版方法
上一篇
Word姓名对齐技巧:两字与三字姓名统一排版方法
HSL调色提升对比度解决可读性问题
下一篇
HSL调色提升对比度解决可读性问题
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    375次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    447次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    455次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    399次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    226次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码