MySQL统计总数就用count，别花里胡哨的《死磕MySQL系列 十》

有一个问题是这样的统计数据总数用count(*)、count(主键ID)、count(字段)、count(1)那个效率高。

先说结论，不用那么花里胡哨遇到统计总数全部使用count(*).

但是有很多小伙伴就会问为什么呢？本期文章就解决大家的为什么。

系列文章

五分钟，让你明白MySQL是怎么选择索引《死磕MySQL系列 六》

字符串可以这样加索引，你知吗？《死磕MySQL系列 七》

无法复现的“慢”SQL《死磕MySQL系列 八》

什么？还在用delete删除数据《死磕MySQL系列 九》

一、不同存储引擎的做法

你需要知道的是在不同的存储引擎下，MySQL对于使用count(*)返回结果的流程是不一样的。

在Myisam中，每张表的总行数都会存储在磁盘上，因此执行count(*)时，是直接从磁盘拿到这个值返回，效率是非常高的。但你也要知道如果加了条件的统计总数返回也不会那么快的。

在Innodb引擎中，执行count(*)，需要把数据一行一行的读出来，然后再统计总数返回。

问题：为什么Innodb不跟Myisam一样把表总数存起来呢？

这个问题就需要追溯的我们之前的MVCC文章，就是因为要实现多版本并发控制，才会导致Innodb不能直接存储表总数。

因为每个事务获取到的一致性视图都是不一样的，所以返回的数据总数也是不一致的。

如果你无法理解，再回到MVCC文章好好看看，意思就跟不同事务看到的数据不一致一回事。

实战案例

假设这三个用户是并行的，你会看到三个用户看到最终的数据总数都不一致。

每个用户会根据read view存储的数据来判断那些数据是自己可以看见的，那些是看不见的。

read view

当执行SQL语句查询时会产生一致性视图，也就是read-view，它是由查询的那一时间所有未提交事务ID组成的数组，和已经创建的最大事务ID组成的。

在这个数组中最小的事务ID被称之为min_id，最大事务ID被称之为max_id，查询的数据结果要根据read-view做对比从而得到快照结果。

于是就产生了以下的对比规则，这个规则就是使用当前的记录的trx_id跟read-view进行对比，对比规则如下。

如果落在trx_id<min_id，表示此版本是已经提交的事务生成的，由于事务已经提交所以数据是可见的

如果落在trx_id>max_id，表示此版本是由将来启动的事务生成的，是肯定不可见的

若在min_id<=trx_id<=max_id时

• 如果row的trx_id在数组中，表示此版本是由还没提交的事务生成的，不可见，但是当前自己的事务是可见的
• 如果row的trx_id不在数组中，表明是提交的事务生成了该版本，可见

二、MySQL对count(*)做了什么优化

先来看两个索引结构，一个是主键索引、另一个是普通索引。

现在你应该知道了，主键索引的叶子节点存储的是整行数据，而普通索引叶子节点存储的是主键值。

得出结论就是普通索引的比主键索引会小很多。

所以，MySQL对于count(*)这样的操作，不管遍历那个索引树得到的结果在逻辑上都一样。

因此，优化器会找到最小的那棵树来遍历，在保证正确的逻辑前提下，尽量减少扫描数据量，是数据库系统设计的通用法则之一。

问题：为什么存储的有数据怎么不用？

这个图的数据怎么得到的，我想你应该知道了，没错，就是执行show table status \G;得来的。

那为什么innodb存储引擎不直接使用Rows这个值呢？

还记不记得在第六期文章中，五分钟，让你明白MySQL是怎么选择索引《死磕MySQL系列 六》

先不要返回去看这篇文章，看下上文图中最后查到的数据总条数是多少。

你会发现这两个统计的数据是不一致的，因此这个值肯定是不可以用的。

具体原因

因为Rows这个值跟索引基数Cardinality一样，都是通过采样统计的。

采样规则

首先，会选出N个数据页，然后统计每个数据页上不同的值，最后得到一个平均值。再用这个平均值乘索引的数据页总数得到的就是索引基数。

并且这个索引基数也不是一成不变的，会随着数据持续增删改，当变更的数据超过1/M时才会触发，M值是根据MySQL参数innodb_stats_persistent得到的，设置为on是10，off是16。

在MySQL8.0这个默认值为on，也就是说当这张表的数据变更超过总数据的1/10就会重新触发采样统计。

三、不同count的用法

以下所有的结论都基于MySQL的Innodb存储引擎。

count(主键ID)

innodb引擎会遍历整张表，把每一行的ID值都那出来，然后返回给server层，server层拿到ID后，判断不可能为空，进行累加。

count(1)

同样遍历整张表，但不取值，server层对返回的每一行，放一个数字1进去，判断是不可能为空的，按行累加。

count(字段)

分为两种情况，字段定义为not null和null

• 为not null时：逐行从记录里面读出这个字段，判断不能为null，累加
• 为 null时：执行时，判断到有可能是null，还要把值取出来再判断一下，不是null才累加。

count(*)

这个哥们就厉害了，不是带了*就把所有值取出来，而是MySQL做了专门的优化，count （ * ）肯定不是null，按行累加。

结论

按照效率的话，字段 < 主键ID < 1 ~ ，最好都使用count（），别花里胡哨的。

五、总结

本期文章就一句话，统计总数就用count(*)，别花里胡哨的。

坚持学习、坚持写作、坚持分享是咔咔从业以来所秉持的信念。愿文章在偌大的互联网上能给你带来一点帮助，我是咔咔，下期见。