分页

简介: 本文介绍了六种分页实现方式:MyBatis自带RowBounds内存分页、PageHelper插件分页、SQL物理分页、数组分页、拦截器分页,并对比了逻辑分页与物理分页的优劣。小数据量时逻辑分页较快,但大数据量下易内存溢出,推荐使用物理分页,效率更高更稳定。

1 自带rowbound分页

先将所有的结果集查询出来ResultSet,再进行内存分页(limit)


2 第三方插件pagehelper

会将一个查询SQL变成两部分执行,假设SQL是:select name from user;

①自动识别数据库类型,添加对应的分页关键字,如MySQL则limit,Oracle则rownum,DB2则fetch,查找出上面SQL的结果

②查找出上面结果,查询结果的总条数count

3 SQL分页

依赖limit进行实现,或者rownum等自身的SQL实现

4 数组分页


简而言之:查全部再subList


首先在dao层,创建StudentMapper接口,用于对数据库的操作。在接口中定义通过数组分页的查询方法,如下所示:

List<Student> queryStudentsByArray();

方法很简单,就是获取所有的数据,通过list接收后进行分页操作。创建StudentMapper.xml文件,编写查询的sql语句:

<select id="queryStudentsByArray"  resultMap="studentmapper"> select * from student </select>

可以看出再编写sql语句的时候,我们并没有作任何分页的相关操作。这里是查询到所有的学生信息。接下来在service层获取数据并且进行分页实现:

定义IStuService接口,并且定义分页方法:

List<Student> queryStudentsByArray(int currPage, int pageSize);

通过接收currPage参数表示显示第几页的数据,pageSize表示每页显示的数据条数。

创建IStuService接口实现类StuServiceIml对方法实现,对获取到的数组通过currPage和pageSize进行分页:

@Override    
public List<Student> queryStudentsByArray(int currPage, int pageSize) { 
    List<Student> students = studentMapper.queryStudentsByArray(); 
    //  从第几条数据开始        
    int firstIndex = (currPage - 1) * pageSize; 
    //  到第几条数据结束        
  int lastIndex = currPage * pageSize; return students.subList(firstIndex, lastIndex); 
}

通过subList方法,获取到两个索引间的所有数据。

最后在controller中创建测试方法:

@ResponseBody      
@RequestMapping("/student/array/{currPage}/{pageSize}") 
public List<Student> getStudentByArray(@PathVariable("currPage") int currPage, @PathVariable("pageSize") int pageSize) { 
  List<Student> student = StuServiceIml.queryStudentsByArray(currPage, pageSize); 
    return student; 
}

通过用户传入的currPage和pageSize获取指定数据。

5 拦截器分页

自定义拦截器实现了拦截所有以ByPage【或自己约束的都是可以的】结尾的查询语句,并且利用获取到的分页相关参数统一在sql语句后面加上limit分页的相关语句。

6 总结

逻辑分页:即内存分页,就是mybatis自带的rowbounds,内存开销大,数据量小效率比物理分页快,但大数据量,易内存溢出

物理分页:上述2345,小数据量效率比逻辑分页慢,但是大数据量推荐用物理分页。

物理分页总是优先于逻辑分页。

相关文章
|
5月前
|
安全 Java Maven
工程搭建
通过阿里云脚手架快速搭建Maven/Gradle工程,支持Spring Boot 2.7.6版本,导入IDEA后添加web依赖,编写接口并启动验证。后续可整合Spring Security实现安全控制,便于快速开发与部署应用。(239字)
工程搭建
|
5月前
|
人工智能 算法 机器人
AI场景面试题
本项目聚焦AI客服与智能分析,集成Ollama、MaxKB与百度云千帆大模型,实现RAG问答、健康分析等功能。采用Spring AI框架,通过API调用7B/14B级大模型,结合本地部署与云端资源,优化数据同步、模型微调与推理流程,提升响应准确率。涵盖AIGC应用、图像处理心得及DDPM等算法实践,构建高效、可扩展的智能服务体系。
|
5月前
|
存储 算法 BI
xxljob本地运行
本文介绍XXL-JOB分布式任务调度框架的部署与使用,涵盖源码获取、服务端数据库初始化、配置修改、服务启动及客户端注册全流程,并演示如何在控制台配置定时任务与调度策略,实现任务的高效管理与执行。
xxljob本地运行
|
5月前
|
人工智能 自然语言处理 Java
Java Client
本教程介绍如何使用Elasticsearch 7.17.x的新版Java Client配置客户端、创建索引、映射分析及增删改查文档。通过商城搜索场景,演示索引映射设计、Java模型类构建、批量导入数据等操作,并解决LocalDateTime序列化等问题,提升开发效率。
|
5月前
|
JSON fastjson Java
JSON转Object
该方法将JSON字符串转换为指定类型的Java对象,利用FastJSON库实现解析,适用于POJO类的数据反序列化,简洁高效,广泛用于Web开发中的数据处理。
|
5月前
|
JSON Java 数据格式
String转JSON
该代码段演示了如何将字符串解析为JSON对象。通过`JSONObject.fromObject()`方法将包含中文的JSON字符串转换为JSONObject实例,并输出其标准格式化内容,适用于Java中处理JSON数据的场景。
|
5月前
|
JSON fastjson 数据处理
JSON转Map
该代码段演示了如何使用Fastjson将JSON字符串转换为Map对象。通过`JSONObject.parse()`方法解析JSON字符串,并强制转换为Map类型,便于后续数据处理与访问。
|
5月前
|
JSON Java 数据格式
Object转JSON
该方法将Java对象转换为JSON字符串,使用JSONArray.fromObject实现序列化,并输出转换结果日志,最后返回生成的JSON字符串。适用于对象数据的JSON格式化处理。
|
5月前
|
JSON fastjson 数据格式
JSON转List
该方法将JSON字符串转换为指定类型的对象列表,利用FastJSON的parseArray实现,适用于处理JSON数组格式数据,返回泛型List,提升代码复用性与可读性。
|
5月前
|
JSON Java 数据格式
List转JSON
该代码段展示了一个Java静态方法,用于将List对象转换为JSON字符串。通过JSONArray.fromObject()实现转换,并输出结果后返回JSON字符串。

热门文章

最新文章