聊一聊关于MySQL的Count(*)，统计数据库表中的记录数

https://zhuanlan.zhihu.com/p/107282292

　　自从大家对于MySQL数据库的稳定性有了更高的追求后，经常有小伙伴有这样的疑问，对于count(*)这样的操作，有没有正确的姿势，或者有没有可以优化的地方?

　　但答案比较残酷，如果已经使用了正确的索引，那么基本上没有可以优化的地方。一旦出现慢查询了，它就是慢查询了，要改，只能自己计数或者通过其他搜索平台来做。

　　今天，就一起来看看为什么会这样，并对大家日常会遇到的一些的困惑进行解答。

　　2. count(*)的实现方式

　　据说，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。

　　而我们的mysql一般都是用Innodb的引擎，Innodb是怎么实现count操作的呢?

　　InnoDB 引擎就比较麻烦了，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。

　　所以，当我们的表里面的记录越来越多的时候，count(*)就会越来越慢。

　　当然，我们这里说的都是不带where条件的，如果带上where条件的话，MyISAM也是很慢的。

　　3.正确的打开方式

　　嗯，首先还是说，mysql上不太推荐用count(*)来做统计相关业务，尤其是表非常大的情况下。

　　那如果业务比较小，需要快速上马，那么，至少应该保证count(*)带上了科学的where条件，然后，这个表也已经建立了科学的索引。

　　如果count(*)带上的where条件，而且能够走覆盖索引，那还是可以偶尔走一走的。

　　如果count(*)带上的where条件，能够走索引，但是需要回表，那么这种就会比较危险，尤其是随着表规模的扩大，终究是一颗雷。

　　如果纯粹count(*)，或者where条件没有任何索引，万万万不推荐!

　　那对于统计类的业务，推荐的几种做法：

　　带自增id的，可以用最大id来近似获取

　　自己计数

　　其他数据分析平台进行聚合

　　4. 能否用表统计信息代替count(*)

　　有同学在日常使用过程中，问能否使用 系统表的统计信息 来代替count。

　　答案是不行。这里的tableRows只是一个参考值。

　　这里的表统计信息，实际上是使用show table status获取的。这个值是如何得到的呢?我们需要了解下mysql的采样统计方法。

　　为什么要采样统计呢?因为把整张表取出来一行行统计，虽然可以得到精确的结果，但是代价太高了，所以只能选择“采样统计”(所以其实mysql自己也没有count(*)的好方法)。

　　采样统计的时候，InnoDB 默认会选择 N 个数据页，统计这些页面上的不同值，得到一个平均值，然后乘以这个索引的页面数，就得到了这个索引的基数。

　　而数据表是会持续更新的，索引统计信息也不会固定不变。所以，当变更的数据行数超过 1/M 的时候，会自动触发重新做一次索引统计。

　　因此，这个采样估算得来的值，是很不准的。有多不准呢，官方文档说误差可能达到 40% 到 50%。

　　4.关于那些奇奇怪怪的count(?)

　　在看一些老代码查询的时候，我们经常会看到count(1)，count(id)，count(字段)等方式，那它们纠结孰优孰劣，到底有没有性能上的差异呢?

　　这里，我们先要弄清楚 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。

　　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 层拿到 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。

　　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，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(*)

　　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。

　　所以结论是：按照效率排序的话，count(字段)