CouchDB中的无状态分页？

Question

我看到的关于CouchDB分页的研究大多建议，你需要先从视图中取出前十个（或者任意数量的）项目，然后记录最后一个文档的ID，并把它传递到下一页。不过，我觉得这种方法有几个明显的问题。

• 这种方法让你无法在页面之间随意跳转（比如如果有人直接想去第100页，你就得先查询第2到第99页的数据，才能知道怎么加载第100页）。
• 它需要在不同的页面之间传递可能很多的状态信息。
• 编写代码时也比较困难。

不幸的是，我的研究显示，使用skip在处理5000条记录或更多的数据集时会显著变慢，一旦数据量真的很大（比如要去第20000页，每页10条记录，大约需要20秒），那就会变得非常糟糕（确实有这么大的数据集在实际应用中）。所以这并不是一个可行的选项。

所以，我想问的是，有没有一种高效的方法可以在CouchDB中分页查看结果，能够从任意页面获取所有项目？（我在使用couchdb-python，但希望这与客户端无关。）

Answer 1

我们通过使用CouchDB Lucene来解决这个搜索列表的问题。现在的0.6版本快照已经足够稳定，建议你试试看：

CouchDB Lucene的代码库

Answer 2

我刚接触CouchDB，但我觉得我可以提供一些帮助。我在《CouchDB: The Definitive Guide》中读到以下内容：

链表风格的分页有一个缺点，就是... 跳转到特定页面并不太有效... 如果你真的需要在所有文档中跳转到某一页... 你仍然可以保持一个整数值的索引作为视图索引，并采用混合的方法来解决分页问题。
   — http://books.couchdb.org/relax/receipts/pagination

如果我理解得没错，你的情况可以这样处理：

1. 在你的文档集中嵌入一个数字序列。
2. 将这个数字序列提取到一个数字视图索引中。
3. 用数学运算来计算你想要的页面的起始和结束数字键。

在第一步中，你需要在文档中添加一个类似“page_seq”的字段。我没有具体的建议来获取这个数字，也想知道大家的看法。为了让这个方案有效，它必须对每个新记录增加1，所以关系数据库的序列可能不适用（我知道的那些可能会跳过数字）。

在第二步中，你需要写一个视图，使用类似这样的映射函数（用Javascript）：

function(doc):
    emit(doc.page_seq, doc)

在第三步中，你的查询可以写成这样（假设page_seq和页面编号序列从1开始）：

results = db.view("name_of_view")
page_size = ... # say, 20
page_no = ... # 1 = page 1, 2 = page 2, etc.
begin = ((page_no - 1) * page_size) + 1
end = begin + page_size
my_page = results[begin:end]

然后你就可以遍历my_page了。

这个方法的一个明显缺点是，page_seq假设你没有对视图的数据集进行过滤，如果你试图用任意查询来实现这个功能，你会很快遇到问题。

欢迎大家提出意见或改进建议。