技术干货 | 判断数据库性能只能通过count(*)？No，这些优化方案了解一下！

大多数用户在体验数据库时，接触到的最早的sql语句就是count()，因此用户判断数据库性能时通常也会通过count()进行比较。但在执行时通常会出现一个问题：对某个表做count(*)时需对全表数据进行扫描，当表中包含数据量较大的字段时，IO将会成为数据扫描的瓶颈。

数据扫描瓶颈有哪些优化方式？
针对上述问题，为解决全表扫描带来的IO开销的方案大致可分为三类：第一类是减少扫描数据；第二类是通过并行方式扫描数据；第三类是通过预估值计算方式获取结果。根据上述三种方案，我们给出以下四种优化方式：
1、减少扫描数据
（1）使用列存
顾名思义，列存是按列存储的。当使用count()查询时，只需要扫描一列数据做count统计，而并非全表，这样，IO开销几乎是行存的1/列数，即效率是行存的列数倍。在实际使用中，因为每列字段长度的原因，使用列存时count()效率往往要比这个值还要高得多。
（2）使用Index only scan
使用主键的Index only scan，count(*)仅需扫描主键的索引链表即可，不必扫描所有的数据块，以此可大大减少IO开销。

2、并行扫描数据
（1）MPP架构
使用MPP架构的好处是让数据分布到各个计算节点上。这样，在使用count(*)查询时，每个计算节点都会去统计该节点的数据量，最终汇聚返回总的数据量，这种方式可以更好地利用CPU和磁盘达到并行扫描的效果，节省扫描时间。