MySQL中聚合函数count的使用和性能优化

本文的环境是Windows 10，MySQL版本是5.7.12-log

一、 基本使用

count的基本作用是有两个：

• 统计某个列的数据的数量；
• 统计结果集的行数；

用来获取满足条件的数据的数量。但是其中有一些与使用中印象不同的情况，比如当count作用一列、多列、以及使用*来表达整行产生的效果是不同的。

示例表如下：

CREATE TABLE `NewTable` (
`id`  int(11) NULL DEFAULT NULL ,
`name`  varchar(30) NULL DEFAULT NULL ,
`country`  varchar(50) NULL DEFAULT NULL ,
`province`  varchar(30) NULL DEFAULT NULL ,
`city`  varchar(30) NULL DEFAULT NULL 
)ENGINE=InnoDB

1.1 不计算NULL的值

如果有NULL值，在返回的结果中会被过滤掉

select count(country) from person;

返回结果如下：

如果满足条件的数据项不存在，则结构返回0，经常通过这种方式判断是否有满足条件的数据存在；返回的数据类型是bigint。

1.2 对count(*)的处理

count(*)的处理是有点不同的，它会返回所有数据的数量，但是不会过滤其中的NULL值，它也并不是相当于展开成所有的列，而是直接会忽略所有的列而直接统计所有的行数。语句如下：

select count(*) from person;

返回结果如下：

当想要返回所有的数据的数量的时候，但是又不想包括全部是NULL的列，使用count(*)是不可能做到的，但是在1.1中说到count作用于列的时候会过滤NULL，那么直接这么写是不是对？

select count(id, `name`, country, province, city) from person;

那就错了，count只能作用于单列，不能作用于多列 ，所以上面的写法是错误的。

另外针对count(*)语句，在MyISAM存储引擎中做了优化，每个表的数据行数都会存储在存储引擎中，可以很快拿到；但是在事务性的存储引擎中，比如InnoDB中，因为会涉及到多个事务；

1.3 对count(distinct …)的处理

count(distinct …)会返回彼此不同但是非NULL的数据的行数。这一点和只使用distinct是有区别的，因为distinct是不过滤NULL值的，详见MySQL中distinct的使用方法 。
- 如果没有符合条件的数据则返回0；
- 该语句可以作用于多列，是当各个列之间有一个不同，就认为整行数据不同，与distinct作用于多列时效果相同；

select count(DISTINCT country) from person;

返回结果如下：

但是对于count(*)和count(distinct )两者的结合，如下：

select count(DISTINCT *) from person;

该语句是错误的，无法执行，因此与select count(DISTINCT *) from person 还是有区别的。

二、 性能优化

通常情况下，count(*)操作需要大量扫描数据表中的行，如果避免扫描大量的数据就成为优化该语句的关键所在。针对这个问题可以从如下两个角度考虑。

2.1 在数据库的层次上优化

2.1.1 针对count(*)

在MySQL内部已经针对count(*)进行了优化，使用explain查询如下：

EXPLAIN select count(*) from person;

从中可以看出该查询没有使用全表扫描也没有使用索引，甚至不需要查询数据表，在上面的示例数据库中得知，该库的存储引擎是InnoDB ，而且其中既没有主键也没有索引。

2.2 针对单个列进行count

查询如下：

EXPLAIN select count(country) from person where id > 2;

发现在没有主键和索引的情况下，对全表进行了扫描。在数据中避免大量扫描数据行，一个最直接的方法使用索引：

• 当对id设置为一般索引 ：INDEX abc (id) USING BTREE 。

  执行查询如下：

  EXPLAIN select count(country) from person where id > 2;

  结果如下：

  

  此时发现并没有使用索引，仍然进行的是全表扫描，当执行如下时：

  EXPLAIN select count(country) from person where id > 4;   

  结果如下：

  

  这是使用了索引进行了范围查询，显然比上面的要好。

  但是问题来了，为什么有时候使用索引，有时候不用索引？在上面的第一次查询中已经能够检测出可能的key但是并没有使用？如果有知道的大神给解读一下！

• 对id设置为主键，执行查询如下：

  EXPLAIN select count(country) from person where id > 2;

  结果如下：

  

2.2 在应用的层次上优化

在应用的层次上优化，可以考虑在系统架构中引入缓存子系统，比如在过去中常用的Memcached，或者现在非常流行的Redis， 但是这样会增加系统的复杂性。