假设有表tb_sku，其表构造如下。
表中大约有200w条记录，实行如下的sql 语句大约 4.36s 返回数据
select count() from tb_sku;
接着我们利用 对其进行分页查询：
select from tb_sku limit 0,10;
limit 语句 个中0 代表起始位置，10 为每页返回的数据数量。
如上图所示，很快就返回了查询结果。
接着我们再利用SQL 语句
select from tb_sku limit 10,10;
语句从记录位置10的位置开始再往下返回10 条记录，也便是第二页的信息。其返回韶光也是比较快。
然后，我们加大起始位置 到100w如下，
select from tb_sku limit 1000000,10;
此时返回韶光须要0.74 s，这解释了利用limit 对大数据量的表进行分页，位置越靠后效率越低。拿上面的例子来说，limit 会先对 100w 的数据进行排序，然后再返回10 条数据，而且仅仅返回100w 到 100w 零10条 的记录，其他查询的记录都会丢弃掉，这种做法查询排序的代价非常大。
由此我们须要对大数据量表进行limit 操作进行优化，官方给出的方案是通过覆盖索引和子查询的办法进行优化
根据这个思路首先对id 进行查询
select id from tb_sku order by id limit 1000000,10;
查询结果就只须要0.34s 比之前的0.74s要快多了。究其缘故原由，由于直接返回id的信息，并没有进行回表操作，以是速率别select 要快
由于我们须要得到select 的信息，也便是tb_user 所有字段的信息，因此须要将上面的查询结果和tb_user 进行jion 操作。
select s. from tb_sku s ,(select id from tb_sku order by id limit 1000000,10 ) t where s.id = t.id;
这里通过查询id 和子查询 的办法将查询结果缩短为 0.38s，比之前直接通过 select 的办法要缩短一倍的查询韶光。
