这种方式先定位偏移位置的 id，然后往后查询，这种方式适用于 id 递增的情况。
子查询优化原理：https://www.jianshu.com/p/0768ebc4e28d
select * from sbtest1 where k=504878 limit 100000,5;的查询过程：
首先会查询到索引叶子节点数据，然后根据叶子节点上的主键值去聚簇索引上查询需要的全部字段值。像下图左边这样，需要查询100005次索引节点，查询100005次聚簇索引的数据，最后再将结果过滤掉前100000条，取出最后5条。MySQL耗费了大量随机I/O在查询聚簇索引的数据上，而有100000次随机I/O查询到的数据是不会出现在结果集当中的。
既然一开始是利用索引的，为什么不先沿着索引叶子节点查询到最后需要的5个节点，然后再去聚簇索引中查询实际数据。这样只需要5次随机I/O，类似于上图右边的过程。这就是子查询优化，这种方式先定位偏移位置的id，然后往后查询，这种方式适用于id递增的情况。如下所示：
mysql> select * from sbtest1 where k=5020952 limit 50,1;mysql> select id from sbtest1 where k=5020952 limit 50,1;mysql> select * from sbtest1 where k=5020952 and id>=( select id from sbtest1 where k=5020952 limit 50,1) limit 10;mysql> select * from sbtest1 where k=5020952 limit 50,10;
在子查询优化中，谓词中k是否有索引，对查询效率有很大影响，上述语句没有使用索引走全表扫描需要24.2s，走了索引后只需要0.67s。
mysql> explain select * from sbtest1 where k=5020952 and id>=( select id from sbtest1 where k=5020952 limit 50,1) limit 10;+----+-------------+---------+------------+-------------+---------------+------------+---------+-------+------+----------+------------------------------------------+| id | select_type | table | partitions | type | possible_keys | key | key_len | ref | rows | filtered | Extra |+----+-------------+---------+------------+-------------+---------------+------------+---------+-------+------+----------+------------------------------------------+| 1 | PRIMARY | sbtest1 | NULL | index_merge | PRIMARY,c1 | c1,PRIMARY | 8,4 | NULL | 19 | 100.00 | Using intersect(c1,PRIMARY); Using where || 2 | SUBQUERY | sbtest1 | NULL | ref | c1 | c1 | 4 | const | 88 | 100.00 | Using index |+----+-------------+---------+------------+-------------+---------------+------------+---------+-------+------+----------+------------------------------------------+2 rows in set, 1 warning (0.11 sec)
但是这种优化方法也有局限性：
这种写法，要求主键ID必须是连续的
Where子句不允许再添加其他条件
2、使用id限定优化
这种方式假设数据表的id是连续递增的，则我们根据查询的页数和查询的记录数可以算出查询的id的范围，可以使用 id between and 来查询。
假设数据库中表的id是连续递增的，则可以根据查询的页数和查询的记录数计算出查询的id的范围，然后根据id between and语句来查询。id的范围可以通过分页公式计算得到，比如说当前页面大小为m，当前页数为no1，则页面最大值为max=(no1+1)m-1，最小值为min=no1m，SQL语句可以表示为id between min and max。
select * from sbtest1 where id between 1000000 and 1000100 limit 100;
这种查询方式能够极大地优化查询速度，基本能够在几十毫秒之内完成。限制是需要明确知道id的情况，不过一般在分页查询的业务表中，都会添加基本的id字段，这为分页查询带来很多便利。上述SQL还有另一种写法：
select * from sbtest1 where id >= 1000001 limit 100;
可以看到执行时间上的差异：
mysql> show profiles;+----------+------------+--------------------------------------------------------------------------------------------------------------+| Query_ID | Duration | Query |+----------+------------+--------------------------------------------------------------------------------------------------------------+| 6 | 0.00085500 | select * from sbtest1 where id between 1000000 and 1000100 limit 100 || 7 | 0.12927975 | select * from sbtest1 where id >= 1000001 limit 100 |+----------+------------+--------------------------------------------------------------------------------------------------------------+
还可以使用in的方式来进行查询，这种方式经常用在多表关联的时候进行查询，使用其他表查询的id集合，来进行查询：
select * from sbtest1 where id in (select id from sbtest2 where k=504878) limit 100;
使用in查询的方式要注意某些mysql版本不支持在in子句中使用limit。
3、基于索引再排序来优化
基于索引再排序是利用索引查询中有优化算法，通过索引再去找相关的数据地址，避免全表扫描，这样节省了很多时间。另外Mysql中也有相关的索引缓存，在并发高的时候利用缓存效果会更好。在MySQL中可以使用如下语句：
SELECT * FROM 表名称 WHERE id_pk > (pageNum*10) ORDER BY id_pk ASC LIMIT M
这种方法适用于数据量多的情况(元组数上万)，最好ORDER BY后的列对象是主键或唯一索引，使得ORDER BY操作能利用索引被消除但结果集是稳定的。比如下面两个语句：
mysql> show profiles;+----------+------------+--------------------------------------------------------------------------------------------------------------+| Query_ID | Duration | Query |+----------+------------+--------------------------------------------------------------------------------------------------------------+| 8 | 3.30585150 | select * from sbtest1 limit 1000000,10 || 9 | 1.03224725 | select * from sbtest1 order by id limit 1000000,10 |+----------+------------+--------------------------------------------------------------------------------------------------------------+
对索引字段id使用order by语句后，性能有了明显的提升。
4、使用延迟关联来优化
和上述的子查询做法类似，我们可以使用JOIN，先在索引列上完成分页操作，然后再回表获取所需要的列。
select a.* from t5 a inner join (select id from t5 order by text limit 1000000, 10) b on a.id=b.id;
从实验中可以得出，在采用JOIN改写后，上面的两个局限性都已经解除了，而且SQL的执行效率也没有损失。
5、记录上次查询结束的位置
和上面使用的方法都不同，记录上次结束位置优化思路是使用某种变量记录上一次数据的位置，下次分页时直接从这个变量的位置开始扫描，从而避免MySQL扫描大量的数据再抛弃的操作。
select * from t5 where id>=1000000 limit 10;
6、使用临时表优化
使用临时存储的表来记录分页的id然后进行in查询
这种方式已经不属于查询优化，这儿附带提一下。
对于使用 id 限定优化中的问题，需要 id 是连续递增的，但是在一些场景下，比如使用历史表的时候，或者出现过数据缺失问题时，可以考虑使用临时存储的表来记录分页的id，使用分页的id来进行 in 查询。这样能够极大的提高传统的分页查询速度，尤其是数据量上千万的时候。