在实际开发工作中,难免会使用到 MySQL 的 count(expr) 函数进行统计操作,但是,对于count(1)、count(*)、count(常量)、count(主键)、count(非主键)、count(distinct(字段)) 等多个函数,很多开发人员因为缺乏原理性的了解,往往会比较困惑选择哪一种,特别是在加 where 条件时,更加担心会不会造成性能问题,今天我们就来聊聊这些 count(expr) 函数背后的实现原理以及它们的执行效率,帮你胸有成竹的选择合适具体函数。
申明:本文基于 MySQL 8.0.30,数据库引擎为 InnoDB引擎 和 MyISAM引擎;
本文的count(expr)操作都是基于不加 where条件
如果需要mac本地安装 MySQL,参考:macOS M1 源码安装 MySQL8 版本
背景
count(expr) 是 MySQL 的一个聚合函数,函数接收一个 expr 表达式,expr 表达式可以是 NULL、可以是列名,可以是常量,其他任意表达式都可以,它有 2个重要的作用:统计某个列值的数量以及统计表行数。在统计列数量时只统计列值不为 NULL 的总数,统计表总行数时不做限制。 为了更好地展开本文的讲解,需要先创建 user 和 person 两张表,user 表使用 InnoDB 引擎,person 表使用 MyISAM 引擎,表创建完成后,查看它们在磁盘上的文件信息对比,具体对比如下截图:
从上述截图可以看出:
在使用 MyISAM引擎的 person表中,表定义,数据,索引是分三个文件存储,如下:
- person_365.sdi,存储 person表定义,sdi(Serialized Dictionary Information,序列化字典信息),MySQL 8.0引入,以前的版本是 .frm;
- person.MYD,存储 person表数据,MYD(MyISAM Data);
- person.MYI,存储 person表索引,MYI(MyISAM Index);
在使用 InnoDB引擎的 user表中,表定义,数据,索引都存放在一个文件中,如下:
- user.ibd,ibd(innodb data)
接下来正式分析各个count(expr)操作
count(*)
对于 MyISAM 引擎,会把表的总行数存在了磁盘上(存放在 information_schema 库中的 PARTITIONS 表中),在不加 where 条件时,执行 count( ) 时会直接返回这个总数,因此效率很高,但是在加 where 限定语句的时候 MySQL 需要对全表进行检索从而得出 count 的总数。 而 InnoDB 引擎并没有像 MyISAM 那样把表的总行数存储在磁盘,而是在执行 count( )时,在不加 where 限定语句时,MySQL Server 层需要把数据从引擎里面读出来,然后逐行累加得出总数;如果加了 where 限定语句,需要根据 where 条件从引擎里面筛选出数据,然后累加得出总数。 下图展示了 MyISAM 引擎磁盘存储数据总行数:
为了更好地理解两种引擎中 count( )的差异,我们可以比较count( ) 在 user 表和 person 表 中的执行计划,结果如图:
从上述执行计划的截图可以看出:
- InnoDB 引擎执行计划显示 rows = 2(全表只有 2 行数据),说明需要扫描全表,Extra 里面的内容是 “Using index”,说明该 count( ) 操作使用了索引(主键索引)。
- MyISAM 引擎执行计划显示 rows = NULL,说明不需要扫描表,Extra 里面的内容是 “Select tables optimized away”,它的意思是:MyISAM 表以单独的行数存储总数,执行 count 查询时,MySQL 不需要查看任何表行数据,而是将预先计算的行数立即返回。
那么,为什么 InnoDB引擎不能像 MyISAM引擎一样,把表的数据总数存起来,而是需要扫描全表呢?
这是因为 InnoDB引擎可以支持事务,默认的隔离级别是 Repeatable Read(可重复读,指的是一个事务执行过程无法看到其它事务未提交的数据),而可重复读又是通过多版本并发控制(MVCC)来实现的,MVCC更直白的表述是:一行记录在不同的事务中表现的结果值是不一样的,呈现出一行记录多种版本数据。 关于 MVCC可以参照下面的图来理解:
为了更好地说明 InnoDB 引擎为什么不把数据总行数存磁盘,这里通过一个案例进行解析:假设有两个事务 sessionA,sessionB
- sessionA 先启动一个事务,然后 select count(*) from user 统计总行数;
- sessionB 也启动事务,先执行一次 select count( ) from user,然后插入一行数据,再 select count( ) from user,统计总行数;
执行顺序流以及截图如下:
sessionA | sessionB |
---|---|
#开启事务 begin; | |
select count(*) from user; | |
select count(*) from user; | |
#插入一条数据 insert into user(id,age) values(3,30); | |
select count(*) from user; | select count(*) from user; |
通过运行结果截图,我们可以看出,sessionB 新增一条记录后,在未 commit 提交事务前,sessionA 的 count( ) 操作并没有把这条数据统计进去,符合可重复读隔离级别的要求,假如 InnoDB 也像 MyISAM 一样把行的总数存在磁盘上,那么 sessionA 和 sessionB 的 count( ) 结果值相同,也就是说 sessionA 和 sessionB 最后一次 count(*) 的结果值都是 3,这显然就违背了可重复读隔离级别的要求。
所以,通过该案例的分析也刚好验证了上述 explain count(*) 的执行计划,InnoDB引擎需要全表扫描。
有人说,在使用 InnoDB 引擎的 user表上执行 “show table status” 指令,结果中的 ROWS 字段就是表的总行数,快捷方便,效率高。那么,可行吗?
方法是否有效,我们还是用事实说话,我们可以执行”show table status”指令,执行顺序流和结果截图如下:
sessionA | sessionB |
---|---|
#开启事务 begin; | #开启事务 begin; |
select count(*) from user; | |
select count(*) from user; | |
#插入一条数据 insert into user(id,age) values(3,30); | |
select count(*) from user; | select count(*) from user; |
show table status\G | show table status\G |
通过运行结果截图可以看出,sessionA的 count(*)结果和 “show table status”指令结果中的 ROWS值相等,但是在 sessionB中两个值就不一样,因此说,通过 “show table status”来统计总数,结果值是不准确的。
按照 MySQL官方的说法: “show table status”命令显示行数的误差率在 40% ~ 50%。
show table status 查询的是系统 information_schema 库中的 TABLES 表,关于表字段可以参考官方文档:TABLES 官方文档
需要说明的是:尽管 InnoDB引擎的 count( * )操作需要扫描全表,但是 MySQL还是有做过优化处理,具体优化如下:
因为 InnoDB引擎采用的是聚簇索引机制,主键索引的叶子节点存放了数据,而普通索引的叶子节点存放的是主键值。因此,不管遍历哪一棵索引树,count(*)的结果都是一致的,所以,MySQL优化器会找到最小的那棵索引树进行遍历,这样尽管扫描的行数没有减少,但是针对每行记录获取的数据量减少了,因此性能就提升了。
有了上述对 count( * )的讲解,我们分析和理解其他几种 count(expr)操作就会轻松很多,在 InnoDB引擎中,count(expr) 是一个聚合函数,对于引擎返回的结果集,MySQL Server会逐行判断,count(参数)函数最终就是统计”参数不是 NULL”的总数作为结果值。
count(主键)
count(主键)的执行逻辑为:InnoDB引擎会遍历整张表,然后取出每一行的主键值并返回给 MySQL Server层,Server层拿到引擎的结果值后,统计主键总数量。
count(1)
count(1)的执行逻辑为:InnoDB引擎遍历整张表,但是不会取数据值,MySQL Server层对于引擎返回的每一行记录都放置一个数字“1”,最终再统计包含 1的总行数。
所以,count(1)操作要比 count(主键)快。因为count(主键)需要从引擎返回主键值,过程中会涉及到数据行的解析,字段值的拷贝等I/O操作。
count(非主键字段)
count(非主键字段)操作有些特殊,我们先看一张截图:
如上述截图:
InnoDB引擎的 user表中最开始有 3条数据,然后执行 insert into user(id,age) values (4,NULL); 插入一条 age=NULL的数据,各种count(expr)的结果为:
- count(*) = 4;
- count(1) = 4;
- count(id) = 4;
- count(age) = 3;
MyISAM引擎的 person表中最开始有 3条数据,然后执行 insert into person(id,name) values (4,NULL); 插入一条 name=NULL的数据,各种count(expr)的结果为:
- count(*) = 4;
- count(1) = 4;
- count(id) = 4;
- count(name) = 3;
从结果可以发现,不管是使用了InnoDB 引擎的user,还是使用了 MyISAM引擎的 person表,通过 count(非主键)方式进行统计时,表的总行数就会比其他几种 count(expr)方式少 1 条,为什么呢?
这是因为:count(非主键) 只统计非主键字段值不为NULL的总数。
源码分析
从上面的理论分析后,我们再从源码角度看下 MySQL 是如何实现 count(expr) 的,MySQL的源码是 C++实现的。count() 函数的实现源码是 item_sum.cc 文件,在 server 端维护了一个 count 变量来记录 count(expr) 的结果值,源码截图如下:
接着看下 arg_is_null() 函数的源码实现,截图如下:
其中 item[i] 表示的就是 count(expr) 函数中 expr 表达式的内容,可以通过调试看下 item[i] 的值是什么。
count(*) 调试结果如下:
上述截图可以看出,当expr=* 时,在MySQL源码中会把的值当做 longlong 类型的0 处理,因此 count() 就转换成 count(0) 了。
count(1) 调试结果如下:
在MySQL源码中会把count(1)中的expr=1直接当做 longlong 类型的1 处理,解释了 count(1),也就很好理解 count(数字常量)这些统计操作了。
count(字段名) 调试结果如下:
通过截图可以看到,当 expr=字段名,对应的类型是Item_field,代表一个字段。
温馨提示:因为历史原因,C++中的 longint相当于Java中的int,longlong其实相当于Java中的long。
最后将InnoDB count(expr)整个过程笼统地归纳为下图:
总结
count(expr)函数的参数 expr可以是任意表达式,该函数用于统计在符合搜索条件的记录总数;
通过上面的对比和分析,我们可以得出 count(expr)函数按照执行效率从低到高依次排序为:
count(非主键字段) < count(主键) < count(1) ≈ count( * )
因此,count(1) 或者 count( * )的效率最高。对于这两种方式的选择,建议尽量使用 count( * ),因为 MySQL优化器会选择最小的索引树进行统计,我们把这个优化的问题交给 MySQL优化器去解决。
count( * )、count(主键)、count(1) 都是返回满足条件的结果总行数;而 COUNT( *) 它返回检索到的行数,无论它们是否包含 NULL值,count(非主键字段),统计”非主键字段”不为 NULL 的总行数。
在生产中,如果对数据不要求特别精确,可以使用 “show table status” 方式获取;
如果没有匹配的行,则 count(expr)返回 0。COUNT(NULL)返回 0;
对于 InnoDB 引擎,如果表只有一个主键索引,没有任何二级索引的情况下,那么 count( ) 和 count(1) 都是通过通过主键索引来统计行数。如果表有二级索引,则 count( ) 和 count(1) MySQL优化器会选择最小的索引树进行统计。