实验
建一张表：
CREATE TABLE person(
id int NOT NULL AUTO_INCREMENT PRIMARY KEY comment '主键',
person_id tinyint not null comment '用户id',
person_name varchar(200) comment '用户名称',
gmt_create datetime comment '创建时间',
gmt_modified datetime comment '修改时间'
) comment '人员信息表'; 插入一条数据：
insert into person values(1, 1,'user_1', NOW(), now()); 利用 MySQL 伪列 rownum 设置伪列起始点为 1
select (@i:=@i+1) as rownum, person_name from person, (select @i:=100) as init;
set @i=1; 运行下面的 sql，连续执行 20 次，就是 2 的 20 次方约等于 100w 的数据；执行 23 次就是 2 的 23 次方约等于 800w , 如此下去即可实现千万测试数据的插入。
如果不想翻倍翻倍的增加数据，而是想少量，少量的增加，有个技巧，就是在 SQL 的后面增加 where 条件，如 id > 某一个值去控制增加的数据量即可。
insert into person(id, person_id, person_name, gmt_create, gmt_modified)
select @i:=@i+1,
left(rand()*10,10) as person_id,
concat('user_',@i%2048),
date_add(gmt_create,interval + @i*cast(rand()*100 as signed) SECOND),
date_add(date_add(gmt_modified,interval +@i*cast(rand()*100 as signed) SECOND), interval + cast(rand()*1000000 as signed) SECOND)
from person; 此处需要注意的是，也许你在执行到近 800w 或者 1000w 数据的时候，会报错：The total number of locks exceeds the lock table size。
这是由于你的临时表内存设置的不够大，只需要扩大一下设置参数即可。
SET GLOBAL tmp_table_size =512*1024*1024; （512M）
SET global innodb_buffer_pool_size= 1*1024*1024*1024 (1G); 先来看一组测试数据，这组数据是在 MySQL 8.0 的版本，并且是在我本机上，由于本机还跑着 idea , 浏览器等各种工具，所以并不是机器配置就是用于数据库配置，所以测试数据只限于参考。
看到这组数据似乎好像真的和标题对应，当数据达到 2000W 以后，查询时长急剧上升，难道这就是铁律吗？
那下面我们就来看看这个建议值 2000W 是怎么来的？
单表数量限制
首先我们先想想数据库单表中行数最大是多大？
CREATE TABLE person(
id int(10) NOT NULL AUTO_INCREMENT PRIMARY KEY comment '主键',
person_id tinyint not null comment '用户id',
person_name VARCHAR(200) comment '用户名称',
gmt_create datetime comment '创建时间',
gmt_modified datetime comment '修改时间'
) comment '人员信息表';看看上面的建表，其中 id 是主键，本身就是唯一的，也就是说主键的大小可以限制表的上限：
- 如果主键声明
int类型，也就是32位，那么支持2^32-1~~21 亿； - 如果主键声明
bigint类型，那就是2^62-1（36893488147419103232），难以想象这个的多大了，一般还没有到这个限制之前，可能数据库已经爆满了！！
有人统计过，如果建表的时候，自增字段选择无符号的 bigint , 那么自增长最大值是 18446744073709551615，按照一秒新增一条记录的速度，大约什么时候能用完？
表空间
下面我们再来看看索引的结构，我们下面讲内容都是基于 Innodb 引擎的，大家都知道 Innodb 的索引内部用的是 B+ 树。
这张表数据，在硬盘上存储也是类似如此的，它实际是放在一个叫 person.ibd （innodb data）的文件中，也叫做表空间；虽然数据表中，他们看起来是一条连着一条，但是实际上在文件中它被分成很多小份的数据页，而且每一份都是 16KB。
大概就像下面这样，当然这只是我们抽象出来的，在表空间中还有段、区、组等很多概念，但是我们需要跳出来看。
页的数据结构
从图中可以看出，一个 InnoDB 数据页的存储空间大致被划分成了七个部分，有的部分占用的字节数是确定的，有的部分占用的字节数是不确定的。
在页的七个组成部分中，我们自己存储的记录会按照我们指定的行格式存储到 User Records 部分。
但是在一开始生成页的时候，其实并没有 User Records 这个部分，每当我们插入一条记录，都会从 Free Space 部分，也就是尚未使用的存储空间中申请一个记录大小的空间划分到 User Records 部分。
当 Free Space 部分的空间全部被 User Records 部分替代掉之后，也就意味着这个页使用完了，如果还有新的记录插入的话，就需要去申请新的页了。
这个过程的图示如下：
刚刚上面说到了数据的新增的过程。那下面就来说说，数据的查找过程，假如我们需要查找一条记录，我们可以把表空间中的每一页都加载到内存中，然后对记录挨个判断是不是我们想要的。
在数据量小的时候，没啥问题，内存也可以撑。但是现实就是这么残酷，不会给你这个局面。
为了解决这问题，MySQL 中就有了索引的概念，大家都知道索引能够加快数据的查询，那到底是怎么个回事呢？下面我就来看看。
索引的数据结构
在 MySQL 中索引的数据结构和刚刚描述的页几乎是一模一样的，而且大小也是 16KB,。
但是在索引页中记录的是页（数据页，索引页）的最小主键 id 和页号，以及在索引页中增加了层级的信息，从 0 开始往上算，所以页与页之间就有了上下层级的概念。
看到这个图之后，是不是有点似曾相似的感觉，是不是像一棵二叉树啊，对，没错！它就是一棵树。
只不过我们在这里只是简单画了三个节点，两层结构的而已，如果数据多了，可能就会扩展到三层的树，这个就是我们常说的 B+ 树，最下面那一层的 page level =0，也就是叶子节点，其余都是非叶子节点。
看上图中，我们是单拿一个节点来看，首先它是一个非叶子节点（索引页），在它的内容区中有 id 和 页号地址两部分：
id：对应页中记录的最小记录id值；- 页号：地址是指向对应页的指针；
而数据页与此几乎大同小异，区别在于数据页记录的是真实的行数据而不是页地址，而且 id 的也是顺序的。
单表建议值
下面我们就以三层，两分叉（实际中是 M 分叉）的图例来说明一下查找一个行数据的过程。
比如说我们需要查找一个 id = 6 的行数据，我们为了查找 id = 6 的数据，总共查询了三个页，如果三个页都在磁盘中（未提前加载至内存），那么最多需要经历三次的磁盘 IO。
需要注意的是，图中的页号只是个示例，实际情况下并不是连续的，在磁盘中存储也不一定是顺序的。
至此，我们大概已经了解了表的数据是怎么个结构了，也大概知道查询数据是个怎么的过程了，这样我们也就能大概估算这样的结构能存放多少数据了。
假设：
- 非叶子节点内指向其他页的数量为
x - 叶子节点内能容纳的数据行数为
y B+数的层数为z
如下图中所示可以得到，Total = x^(z-1) *y。
X =？
在文章的开头已经介绍了页的结构，索引也也不例外，都会有 File Header (38 byte)、Page Header (56 Byte)、Infimum + Supermum（26 byte）、File Trailer（8byte）, 再加上页目录，大概 1kB 左右。
我们就当做它就是 1KB，那整个页的大小是 16KB，剩下 15kB 用于存数据，在索引页中主要记录的是主键与页号，主键我们假设数据类型是 Bigint （8B），而页号也是固定的（4B）, 那么索引页中的一条数据也就是 12B。
所以 x=15*1024/12 ≈ 1280 行。
Y=？
叶子节点和非叶子节点的结构是一样的，同理，能放数据的空间也是 15kb。
但是叶子节点中存放的是真正的行数据，这个影响的因素就会多很多，比如，字段的类型，字段的数量。每行数据占用空间越大，页中所放的行数量就会越少。
这边我们暂时按一条行数据 1kb 来算，那一页就能存下 15 条，则 Y = 15*1024/1000 ≈ 15。
算到这边了，是不是心里已经有谱了啊。
根据上述的公式，Total =x^(z-1) *y，已知 x=1280，y=15：
- 假设
B+树是两层，那就是 z = 2， Total = （1280 ^1 ）*15 =19200- 假设
B+树是三层，那就是 z = 3， Total = （1280 ^2） *15 =24576000（约 2.45kw）
哎呀，妈呀！这不是正好就是文章开头说的最大行数建议值 2000W 嘛！对的，一般 B+ 数的层级最多也就是 3 层。
你试想一下，如果是 4 层，除了查询的时候磁盘 IO 次数会增加，而且这个 Total 值会是多少，大概应该是 3 百多亿吧，也不太合理，所以，三层应该是比较合理的一个值。
并且在保持相同的层级（相似查询性能）的情况下，在行数据大小不同的情况下，其实这个最大建议值也是不同的，而且影响查询性能的还有很多其他因素，比如，数据库版本，服务器配置，sql 的编写等等。
MySQL 为了提高性能，会将表的索引装载到内存中，在 InnoDB buffer size 足够的情况下，其能完成全加载进内存，查询不会有问题。
但是，当单表数据库到达某个量级的上限时，导致内存无法存储其索引，使得之后的 SQL 查询会产生磁盘 IO，从而导致性能下降，所以增加硬件配置（比如把内存当磁盘使），可能会带来立竿见影的性能提升哈。
总结
2000W 确实是建议值！
因为如果要保证 B+ 树是三层的话，那就只能是 2000W 条左右，但是实际生产环境中，面对的场景不同，对于单表存储上限的要求也是不同的，比如如果是用于集团内部的系统，且对于响应时长要求也不高（5s~10s）的话，那么单表 20 亿条数据(数据（600GB）+索引（300GB）大概在1TB左右）也是可以的，但这种情况下大概率 DBA 就会来找负责人要求分库分表或者数据定期转存到 hive 表了，因为会影响集群整体性能。