今天我们来看看count的不同实现方式
count(*) 的实现方式
先来看一下 coun(*)的实现,MyISAM和InnoDB的实现上是不同的
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
如果加了 where条件的话,MyISAM 表也是不能返回得这么快的
为什么 InnoDB 不跟 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
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 show table 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
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,show table status 命令显示的行数也不能直接使用
不同的 count 用法区别
我们再来看看不同count用法的区别
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
对于 count(主键 id) 来说,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 count(1) 来说,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
对于 count(字段) 来说:
- 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。
但是 count() 是例外,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
按照效率排序的话,count(字段)<count(主键 id)<count(1)≈count(*)
计数解决方案
每次都调用count来计算比较消耗性能
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。
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。
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
在并发系统里面,我们是无法精确控制不同线程的执行时刻的,所以,我们说即使 Redis 正常工作,这个计数值还是逻辑上不精确的
在数据库保存计数可以解决这个问题,我们可以通过事务来保证一致性