MySQL统计函数count详解

朱雀 2024-03-31 14:41 95阅读 0赞

#### MySQL统计函数count详解 ####

*  1. count()概述
 *  2. count(1)和count(\*)和count(列名)的区别
 *  3. count(\*)的实现方式

## 1. count()概述 ##

count() 是一个聚合函数，返回指定匹配条件的行数。开发中常用来统计表中数据，全部数据，不为null数据，或者去重数据。

## 2. count(1)和count(\*)和count(列名)的区别 ##

**1.函数说明**  
count(1)：统计所有的记录（包括null）。  
count(\*)：统计所有的记录（包括null）。  
count(字段)：统计该"字段"不为null的记录。  
count(distinct 字段)：统计该"字段"去重且不为null的记录。

count(1)中的1并不是表示第一个字段，而是表示一个固定值。其实就可以想成表中有这么一个字段，这个字段就是固定值1，count(1)，就是计算一共有多少个1。count(\*)，执行时会把星号翻译成字段的具体名字，效果也是一样的，不过多了一个翻译的动作，比固定值的方式效率稍微低一些。

**2.执行效率**  
他们之间根据不同情况会有些许区别，MySQL 会对count()做优化。(1)如果表中只有一列，则count( )效率最优。(2)如果表有多列，且存在主键，count (主键列名)效率最优，其次是：count (1) >count( \*)。(3)如果表有多列，且不存在主键，则count(1 )效率优于count( \*)

**3.执行过程**  
count(\*)包括了所有的列，相当于行数，在统计结果的时候， 包括列值为NULL的行。  
count(1)包括了忽略所有列，用1代表代码行，在统计结果的时候， 包括列值为NULL的行。  
count(列名)只包括列名那一列，在统计结果的时候，会忽略列值为空（这里的空不是只空字符串或者0，而是表示null）的计数， 即某个字段值为NULL时，不统计。

**4.注意事项**  
阿里开发手册规范相关规定：  
1.【强制】不要使用 count(列名)或 count(常量)来替代 count(),count()是 SQL92 定义的标 准统计行数的语法,跟数据库无关,跟 NULL 和非 NULL 无关. 说明：count(\*)会统计值为 NULL 的行,而 count(列名)不会统计此列为 NULL 值的行.  
2.【强制】count(distinct col) 计算该列除 NULL 之外的不重复行数,注意 count(distinct col1, col2) 如果其中一列全为 NULL,那么即使另一列有不同的值,也返回为 0.

## 3. count(\*)的实现方式 ##

在日常开发中经常会统计一个表的行数，通过select count(`*`) from t很容易实现，可是随着记录数越来越多，统计函数执行越来越慢，然后呢可能会想mysql记录个总数不行吗，为什么每次都要逐行累加呢，count(列名)的时候还要判空，那么今天我们就聊聊count(`*`)的实现方式。

你首先要明确的是，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；  
而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。  
这里需要注意的是，我们在这篇文章里讨论的是没有过滤条件的count(\*)，如果加了where 条件的话，MyISAM表也是不能返回得这么快的。

我们一起分析了为什么要使用InnoDB，因为不论是在事务支持、并发能力还是在数据安全方面，InnoDB都优于MyISAM。我猜你的表也一定是用了InnoDB引擎。这就是当你的记录数越来越多的时候，计算一个表的总行数会越来越慢的原因。那为什么InnoDB不跟不 MyISAM一样，也把数字存起来呢？

这是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。这里，我用一个算count(\*)的例子来为你解释一下。

假设表t中现在有10000条记录，我们设计了三个用户并行的会话。

*  会话A先启动事务并查询一次表的总行数；
 *  会话B启动事务，插入一行后记录后，查询表的总行数；
 *  会话C先启动一个单独的语句，插入一行记录后，查询表的总行数。  
    我们假设从上到下是按照时间顺序执行的，同一行语句是在同一时刻执行的。  
    ![在这里插入图片描述][791a8fddf773439ca84a2cc225271ebe.png]  
    你会看到，在最后一个时刻，三个会话A、B、C会同时查询表t的总行数，但拿到的结果却不同。这和InnoDB的事务设计有关系，可重复读是它默认的隔离级别，在代码上就是通过多版本并发控制，也就是MVCC来实现的。每一行记录都要判断自己是否对这个会话可见，因此对于count(\*)请求来说，InnoDB只好把数据一行一行地读出依次判断，可见的行才能够用于计算“基于这个查询”的表的总行数。不同版本的会话统计的行数是不一样的，所以统计行数直接保存不支持。

当然，现在这个看上去笨笨的MySQL，在执行count(`*`)操作的时候还是做了优化的。  
你知道的，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优化器会找到最小的那棵树来遍历。在保证逻辑正 在确的前提下，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。

如果你用过showtable status 命令的话，就会发现这个命令的输出结果里面也有一个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？

你可能还记得在第10篇文章[《 MySQL为什么有时候会选错索引？》][MySQL]中我提到过，索引统计的值是通过采样来估算的。实际上，TABLE\_ROWS就是从这个采样估算得来的，因此它也很不准。有多不准呢，官方文档说误差可能达到40%到50%。所以， 所 show table status s 命令显示的行 命数也不能直接使用。

到这里我们小结一下：  
MyISAM表虽然count(`*`)很快，但是不支持事务，而且带有条件的时候也是不能直接使用记录的总数的；  
showtable status命令虽然返回很快，但是不准确；  
InnoDB表直接count(\*)会遍历全表，虽然结果准确，但会导致性能问题。

那么，回到文章开头的问题，如果你现在有一个页面经常要显示交易系统的操作记录总数，到底应该怎么办呢？答案是，我们只能自己计数。接下来，我们讨论一下，看看自己计数有哪些方法，以及每种方法的优缺点有哪些。这里，我先和你说一下这些方法的基本思路：你需要自己找一个地方，把操作记录表的行数存起来。

**用缓存系统保存计数**  
对于更新很频繁的库来说，你可能会第一时间想到，用缓存系统来支持。  
你可以用一个Redis服务来保存这个表的总行数。这个表每被插入一行Redis计数就加1，每被删除一行Redis计数就减1。这种方式下，读和更新操作都很快，但你再想一下这种方式存在什么问题吗？没错，缓存系统可能会丢失更新。  
Redis的数据不能永久地留在内存里，所以你会找一个地方把这个值定期地持久化存储起来。但即使这样，仍然可能丢失更新。试想如果刚刚在数据表中插入了一行，Redis中保存的值也加了1，然后Redis异常重启了，重启后你要从存储redis数据的地方把这个值读回来，而刚刚加1的这个计数操作却丢失了。

当然了，这还是有解的。比如，Redis异常重启以后，到数据库里面单独执行一次count(\*)获取真实的行数，再把这个值写回到Redis里就可以了。异常重启毕竟不是经常出现的情况，这一次全表扫描的成本，还是可以接受的。但实际上，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 将 Redis R 正常工 正作，这个值还是逻辑上不精确的。 作你可以设想一下有这么一个页面，要显示操作记录的总数，同时还要显示最近操作的100条记录。那么，这个页面的逻辑就需要先到Redis里面取出计数，再到数据表里面取数据记录。我们是这么定义不精确的：

1.  一种是，查到的100行结果里面有最新插入记录，而Redis的计数里还没加1；
2.  另一种是，查到的100行结果里没有最新插入的记录，而Redis的计数里已经加了1。  
    这两种情况，都是逻辑不一致的。

**数据库保存计数**  
根据上面的分析，用缓存系统保存计数有丢失数据和计数不精确的问题。那么，如果我们把这 如个计数直接放到数据库里单独的一张计数表 个 C中，又会怎么样呢？

首先，这解决了崩溃丢失的问题，InnoDB是支持崩溃恢复不丢数据的。然后，我们再看看能不能解决计数不精确的问题。

**不同count用法**  
这里，首先你要弄清楚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。

至于分析性能差别的时候，你可以记住这么几个原则：

1.  server层要什么就给什么；
2.  InnoDB只给必要的值；
3.  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。

这是什么意思呢？接下来，我们就一个个地来看看。  
**对于对 count( c 主键主 id) i 来说来** ：  
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层拿到id后，判断是不可能为空的，就按行累加。  
对于对 count(1) c 来说来 ，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。  
单看这两个用法的差别的话，你能对比出来，count(1)执行得要比count(主键id)快。因为从引擎返回id会涉及到解析数据行，以及拷贝字段值的操作。

**对 count( c 字段字 )来说来 ：**

1.  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，按行累加；
2.  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。  
    也就是前面的第一条原则，server层要什么字段，InnoDB就返回什么字段。

**对 count( `*` )来说来 ：**  
但 count(`*`) 是例外 是 ，并不会把全部字段取出来，而是专门做了优化，不取值。count(`*`)肯定不是null，按行累加。

看到这里，你一定会说，优化器就不能自己判断一下吗，主键id肯定非空啊，为什么不能按照count(`*`)来处理，多么简单的优化啊。

当然，MySQL专门针对这个语句进行优化，也不是不可以。但是这种需要专门优化的情况太多了，而且MySQL已经优化过count(`*`)了，你直接使用这种用法就可以了。

所以结论是：按照效率排序的话，count(字段)<count(主键id)<count(1)≈count(`*`)，所以我建议你，尽量使用count(\*)。

[791a8fddf773439ca84a2cc225271ebe.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/03/31/4d1242d665094e5ba29f6e7987aeeee1.png
[MySQL]: https://blog.csdn.net/m0_37583655/article/details/127829608