一、为什么需要分页查询？
想象一下你在刷短视频时，App每次只展示十条内容。滑到底部时自动加载下一页——这正是分页查询的核心作用。无论移动端应用还是后台管理系统，处理海量数据时必须将内容分块展示。SQLite作为轻量级数据库，其分页功能虽然简单，但足够支撑大多数常见场景。
举个常见场景：
某电商APP的商品列表有5万条数据，如果一次性加载所有商品，会导致：
- 客户端内存溢出
- 用户等待时间骤增
- 网络带宽资源浪费
分页查询就像按需供应的传送带，既保证展示流畅性，又避免资源过载。
二、LIMIT与OFFSET基础语法（SQLite技术栈）
基础语法模板：
SELECT * FROM 表名 LIMIT 数量 OFFSET 偏移量;
完整示例：手机库存分页
-- 创建示例数据表
CREATE TABLE smartphones (
id INTEGER PRIMARY KEY,
model TEXT NOT NULL,
price REAL,
stock_count INTEGER
);
-- 插入测试数据（生成1000条样本数据）
WITH RECURSIVE temp(x) AS (
SELECT 1
UNION ALL
SELECT x+1 FROM temp WHERE x<1000
)
INSERT INTO smartphones(model, price, stock_count)
SELECT '型号-' || x, 1000 + (x%5)*200, 50 + (x%7)
FROM temp;
-- 第一页：显示前20条
SELECT id, model, price
FROM smartphones
ORDER BY id
LIMIT 20 OFFSET 0;
/* 执行结果示例：
1 | 型号-1 | 1000.0
2 | 型号-2 | 1000.0
...
20 | 型号-20 | 1400.0 */
-- 第三页：每页20条时（偏移量计算公式：(页码-1)*条数）
SELECT id, model, price
FROM smartphones
ORDER BY id
LIMIT 20 OFFSET 40;
关键特性：
LIMIT决定每页数据量OFFSET控制起始位置- 必须配合
ORDER BY确保分页稳定性
三、参数化查询实战（Python + SQLite案例）
通过编程语言实现动态分页更安全可靠：
import sqlite3
def get_paginated_data(page, per_page):
conn = sqlite3.connect('mobile_store.db')
cursor = conn.cursor()
offset = (page - 1) * per_page
query = """
SELECT id, model, price
FROM smartphones
ORDER BY id
LIMIT ? OFFSET ?
"""
cursor.execute(query, (per_page, offset))
results = cursor.fetchall()
conn.close()
return results
page_data = get_paginated_data(page=5, per_page=15)
注意要点：
- 使用参数化查询防止SQL注入
- 计算偏移量时需转换为具体数值
- 确保数据库连接及时关闭
四、技术实现陷阱与优化策略
1. 深度分页性能问题
-- 当偏移量达到100万时的极端场景
SELECT * FROM user_logs LIMIT 10 OFFSET 1000000;
这种情况会导致SQLite执行全表扫描，相当于先跳过100万条数据再取10条，效率极其低下。
优化方案：
-- 使用WHERE子句替代OFFSET
SELECT *
FROM user_logs
WHERE id > 上一页最后一条ID
LIMIT 10;
这种方法（游标分页）可减少不必要的扫描，但需要有序且唯一的字段支撑。
2. 索引缺失带来的灾难 当未对排序字段建立索引时：
EXPLAIN QUERY PLAN
SELECT * FROM smartphones ORDER BY price DESC LIMIT 10;
执行计划显示SCAN TABLE smartphones，说明未使用索引。添加索引后：
CREATE INDEX idx_price ON smartphones(price);
再次查看执行计划变为USE INDEX idx_price，性能显著提升。
五、四大应用场景分析
电商商品列表
- 按价格/销量排序分页
- 组合条件筛选（品牌+价格区间）
社交动态流
- 按时间逆序加载
- 滚动到底部自动请求下一页
后台管理系统
- 用户操作日志查询
- 多条件复合搜索分页
物联网设备监控
- 历史传感器数据查询
- 时间分段数据截取
六、技术选型优劣对比
优势清单：
- 语法简洁，五分钟快速上手
- 零外部依赖，SQLite原生支持
- 适合中小型数据集（10万级以下）
劣势警示：
- 深度分页存在性能瓶颈
- 不适用频繁更新的热数据
- 高并发场景需要额外缓存层
七、开发者避坑指南
永远与ORDER BY结伴
缺少排序条件时，分页结果可能出现重复或遗漏警惕偏移量的蝴蝶效应
当数据新增时，传统分页会导致内容重复显示（新增数据使偏移量错位）索引设计的三要原则
- 排序字段必加索引
- 高频筛选字段优先索引
- 多条件查询使用组合索引
分页参数的防御性验证
校验页码和每页条数的合理性：if page < 1 or per_page > 100: raise ValueError("非法的分页参数")
八、企业级最佳实践
某在线教育平台在处理课程评价时的方案：
- 第一页数据缓存15分钟
- 超过500条的评价采用游标分页
- 热点课程启用Redis缓存分页结果
- 每天凌晨对核心表进行索引重建
九、文章总结
通过LIMIT和OFFSET实现的分页功能，就像给数据仓库安装了智能传送带。虽然存在深度分页的性能缺陷，但在正确使用索引、合理设计参数的情况下，完全能够满足常规业务需求。当数据规模达到百万级别时，建议采用基于游标的替代方案，同时配合缓存策略提升整体性能。