count(*)的实现方式
在不同的MySQL引擎中,count(*)有不同的实现方式。
- MyISAM引擎把一个表的总行数存在了磁盘上,因此执行count(*)的时候会直接返回这个数,效率很高;
- innoDB引擎就麻烦了,它执行count(*)的时候,需要把数据一行一行地从引擎里面读出来,然后累积计数。
需要注意的是,这儿讨论的是没有过滤条件的count(*),如果加了where条件的话,MyISAM表也不是这么快的。
那为什么InnoDB不跟MyISAM一样,也把数字存起来呢?
因为即使是在同一个时刻的多个查询,由于多版本并发控制(MVCC)的原因,InnoDB表“应该返回多少行”也是不确定的。
当然,MySQL对count(*)也是做了优化的。
InnoDB是索引组织表,主键索引树的叶子节点是数据,而普通索引树的叶子节点是主键值。所以,普通索引树比主键索引树小很多。对于count(*)这样的操作,遍历哪个索引树得到的结果逻辑上都是一样的。因此,MySQL优化器会找到最小那颗索引树来遍历。在保证逻辑正确的前提下,尽量减少扫描的数据量,是数据库系统设计的通用法则之一。
如过通过show table status命令的话,就会发现这个命令输出的结果里也有一个TABLE_ROWS用于显示这个表当前有多少行,这个命令执行挺快的,那这个TABLE_ROWS能代替count(*)吗? 答案是不能,索引统计的值是通过采样来估算的,事实上,TABLE_ROWS就是从这个采样估算得来的,因此它也很不准确。官方文档说误差可能达到40%到50%。
总结:
- MyISAM表虽然count(*)很快,但是不支持事务;
- show table status命令虽然很快返回,但是不准确;
- InnoDB表直接count(*)会遍历全表,虽然结果准确,但是会导致性能问题。
有哪些方法可以计数,以及各自的优缺点:
用缓存系统保存计数
比如用Redis来保存一个表的总行数。表插入一行,Redis就加1,删除一行就减1。这种方式读写都很快。
但是缓存系统可能会丢失更新。
实际上,将计数保存在缓存系统中的方式,还不只是丢失更新的问题,即使Redis正常工作,这个值还是逻辑上不精确的。
比如如下两个图:
在数据库保存计数
把这个表的总行数直接放到数据库里单独的一张计数表C中,会怎么样?
首先,解决了奔溃丢失的问题,InnoDB是支持奔溃恢复不丢失数据的。
而且还可以解决上面计数不精确的问题。
因为InnoDB是支持事务的,默认隔离级别是可重复读,如下:
不同的count用法
select count(?) from t、count(*)、count(主键id)、count(1)
还是基于innoDB引擎.
首先弄清count()的语义。count()是一个聚合函数,对于返回的结果集,一行行地判断,如果count函数的参数不是null,累计值就加1,否则不加。最后返回累计值。
所以,count(*)、count(主键id)和count(1)都表示返回满足条件的结果集的总行数;而count(字段),则表示返回满足条件的数据行里面,参数“字段”不为NULL的总个数。
分析性能差别的时候,可以记住这么几个原则:
- server层要什么就给什么;
- InnoDB只给必要的值;
- 现在的优化器只优化了count(*)的语义为“取行数”,其他“显而易见”的优化并没有做。
count(主键id),InnoDB引擎会遍历整张表,把每一行的id值都取出来,返回给server层,server拿到id后,判断是不可能为空的,就按行累加。
count(1),InnoDB引擎遍历整张表,但不取值。server层对于返回的每一行,放一个数字“1”进去,判断是不可能为空的,按行累加。
单看这两个,count(1)执行要比count(主键id)快,因为引擎返回id会涉及到解析数据行,以及拷贝字段值的操作。
count(字段):如果这个“字段”是定义为not null的话,一行行地从记录里面读出这个字段,判断不能为null,就按行累加;如果这个“字段”定义允许为null,那么执行的时候,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(*),这个比较例外,并不会把所有字段都取出来,而是专门做了优化,不取值。count(*)肯定不是null,就按行累计。
结论:按照效率排序:count(字段)<count(主键id)<count(1)≈count(*),所以建议尽量使用count(*)