分页加载

前言

在需要展示大量的列表式数据时,我们都以分页加载的方式来展示,这也是行业内惯用的方法,这种方式加速了首页内容的展示、节约了流量资源及CPU处理资源,也优化了用户体验。

方案1

既然是分页加载,那么在请求时首先要提交页码信息,所以请求接口可能是这样的:

GET http://example.com/api/address?page_index=3&page_size=20&sort=date

返回的数据可能就是下面这样:

{
  "error_code": 1000,
  "error_msg": "成功",
  "extra": {
    "data": [
      {...},
      {...},
      {...},
    ]
  },
  "next_page": 3
}

方案2

在方案1的基础上,加上优化,传入的不是页码,而是条目的索引位置:

GET http://example.com/api/address?item_index=7&page_size=20&sort=date

返回的数据如下:

{
  "error_code": 1000,
  "error_msg": "成功",
  "extra": {
    "data": [
      {...},
      {...},
      {...},
    ]
  },
  "next_index": 73
}

方案2只是在方案1的基础上做了优化,增加了自由度而已。

问题

上面列举的方案1和方案2,在面对相对静态的数据时,是没有问题的,但是,当云端数据是动态可变时(特别当条目可以被删除时),会出现数据遗漏的问题,拿方案1举例分析:

  1. 假设云端数据是1、2、3、... 这样顺序排列的,我们先拉取第一页:
GET http://example.com/api/address?page_index=0&page_size=20
  1. 则我们得到1、2、3、...、20,这20条数据
  2. 在数据展示页面,我们删除第一条数据,然后拉取第二页
GET http://example.com/api/address?page_index=1&page_size=20
  1. 因为云端数据现在是2、3、4、...,所以第二页数据从22开始的,所以我们得到22、23、24、...、41
    发现了什么没有?条目21被漏掉了,这是很明显的错误。

方案3

不使用页数和条目索引这两种方式,而是使用条目id来避开问题:

GET http://example.com/api/address?start_id=7&page_size=20

返回数据:

{
  "error_code": 1000,
  "error_msg": "成功",
  "extra": {
    "data": [
      {...},
      {...},
      {...},
    ]
  },
  "next_id": 73
}

回头看上面那个例子,第一次调用返回next_id为21,在这个页面删除多条数据后,下一页请求是:

GET http://example.com/api/address?start_id=21&page_size=20

依然返回id为21那个条目开始的20条数据,避开了上面那个问题。

总结

方案1只能用于数据相对静态的场景,比如高德地图的搜索接口,就是用offset+size的方式来分页加载,因为查询结果是固定的,如果数据是动态的,分页加载过程中存在被删除的可能,则不能使用方案1和方案2,方案3是首选,微博、twitter、Facebook这种社交平台的开放api用的就是这种,只是更复杂,用到了since_id、since_date、max_id、max_date等条件,感兴趣的可以去看看。

实际项目中我的所有的分页加载都使用方案3,请求参数有start_id,返回参数有next_id,start_id 不传或者传-1时,返回第一页数据以及下一页第一条数据的id,也就是next_id,这个值在请求下一页时直接提交给start_id便可。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 194,761评论 5 460
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 81,953评论 2 371
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 141,998评论 0 320
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 52,248评论 1 263
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 61,130评论 4 356
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 46,145评论 1 272
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 36,550评论 3 381
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 35,236评论 0 253
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 39,510评论 1 291
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 34,601评论 2 310
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 36,376评论 1 326
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 32,247评论 3 313
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 37,613评论 3 299
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 28,911评论 0 17
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 30,191评论 1 250
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 41,532评论 2 342
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 40,739评论 2 335

推荐阅读更多精彩内容