高性能MySQL之Count统计查询

骑猪看日落 2022-11-26 07:52 244阅读 0赞

关于MySQL的count查询，很多人都会有疑问，同样在大表中执行 ，有些速度基本不耗时，有些又慢的要死。关于这些问题在《高性能MySQL》这本书中第6.7.1章节有如下相关解释：

COUNT()聚合函数，以及如何优化使用了该函数的查询，很可能是[MySQL][]中最容易被误解的前10个话题之一，在网上随便搜索一下就能看到很多错误的理解，可能比我们想象的多得多。

在做优化之前，先来看看COUNT()函数的真正作用是什么。

**COUNT()的作用**

COUNT()是一个特殊的函数，有两种非常不同的作用：它可以统计某个列值的数量，也可以统计行数。在统计列值时要求列值时非空的（不统计NULL）。如果在COUNT()的括号中指定了列或列的表达式，统计的就是这个表达式有值的结果数。因为很多人对NULL理解有问题，所以这里很容易产生误解。如果想了解更多关于SQL语句中NULL的含义，建议阅读一些关于SQL语句基础的书籍。（关于这个话题，互联网上的一些信息是不够精确的）

COUNT()的另外一个作用是统计结果集的行数。当[mysql][MySQL]确认括号内的表达式值不可能为空时，实际上就是在统计行数。最简单的就是当我们使用COUNT(\*)的时候，这种情况下通配符\*并不会像我们猜想的那样扩展成所有的列，实际上，它会忽略所有的列而直接统计所有的行数。

我们发现一个最常见的错误就是，在括号内指定了一个列却希望统计结果集的行数。如果希望知道的是结果集的行数，最好使用COUNT(\*)，这样写意义清晰，性能也会很好。

**于MyISAM的神话**

一个容易产生的误解就是：MyISAM的COUNT()函数总是非常快，不过这是有前提条件的，即只有没有任何where条件的COUNT(\*)才非常快，因为此时无需实际地去计算表的行数。MySQL可以利用存储引擎的特性直接获得这个值。如果MySQL知道某列col不可能为NULL值，那么MySQL内部会将COUNT(col)表达式优化为COUNT(\*)。

当统计带WHERE子句的结果集行数，可以是统计某个列值的数量时，MySQL的COUNT()和其它存储引擎没有任何不同，就不再有神话般的速度了。所以在MyISAM引擎表上执行COUNT()有时候比别的引擎快，有时候比别的引擎慢，这受很多因素影响，要视具体情况而定。

《高性能MySQL》这本书只介绍了MyISAM存储引擎在count上的误区以及在MyISAM存储引擎上的count优化，而对于常用的innodb执行Count没有做过多讲解，下面我们就聊聊如何在Innodb上进行count优化。

**Innodb存储引擎：**

(1)     innodb存储引擎的物理结构包含 表空间、段、区、页、行 五个层级，数据文件按照主键排序存储在页中（页在逻辑上连续），主键的位置即为数据存储位置。

(2)     二级索引存储的数据为指定字段的值与主键值。当我们通过二级索引统计数据的时候，无需扫描数据文件；而通过主键索引统计数据时，由于主键索引与数据文件存放在一起，所以每次都会扫描数据文件，故大多数情况下，通过二级索引统计数据效率 >= 基于主键统计效率。

(3)    由于二级索引存储的数据为指定字段的值与主键值，故在无索引覆盖的情况下，查询二级索引后会根据二级索引获取的主键到主键索引中提取数据，此过程可能造成大量的随机io，导致查询速度较慢。

(4)    由于主键索引与数据存储保持一致，故基于主键的查找数据要比通过二级索引查询数据要快（使用二级索引时，查询到的数据条数>总条数的20%时候mysql就选择全表扫描，但在主键索引上，即使符合条件的达到 90%依然会走索引）。

**count慢的原因:**

innodb为聚簇索引同时支持事物，其在count指令实现上采用实时统计方式。在无可用的二级索引情况下，执行count会使MySQL扫描全表数据，当数据中存在大字段或字段较多时候，其效率非常低下（每个页只能包含较少的数据条数，需要访问的物理页较多）。

**innodb可优化点：**

1.** **主键需要采用占用空间尽量小的类型且数据具有连续性（推荐自增整形id），这样有利于减少页分裂、页内数据移动，可加快插入速度同时有利于增加二级索引密度（一个数据页上可以存储更多的数据）。

2.在表包含大字段或字段较多情况下，若存在count统计需求，可建一个较小字段的二级索引（例 char(1) , tinyint )来进行count统计加速。

**下面做个count优化例子：**

1.首先我们创建一直innodb表，并包含大字段（或包含较多字段）：

CREATE TABLE \`qstardbcontent\` (  
  \`id\` BIGINT(20) NOT NULL DEFAULT '0',  
  \`content\` MEDIUMTEXT,  
  \`length\` INT(11)  NOT NULL DEFAULT '0',  
  PRIMARY KEY (\`id\`)  
) ENGINE=INNODB DEFAULT CHARSET=utf8

2.插入50万条数据，每条数据 5K

3.执行select count(\*) from qstardbcontent

![Center][]

可以看到，近50万条内容较多的数据执行一个count（\*） 就需要耗时 13分28秒

下面我们做个优化，在length字段上加个索引， 执行sql： ALTER TABLE qstardbcontent ADD KEY(LENGTH)；

索引建完成后，再执行 select count(\*) from qstardbcontent;

![Center 1][]

可以看到，整个统计查询非常快，仅用了 354毫秒就完成了查询。

**加速原因：**

我们在innodb表上创建了一个二级索引，Innodb在执行count（\*）时候由优化器选择执行路径。本例中， 二级索引的存储空间仅包含length字段值、数据主键，假设二级索引辅助结构不占用空间（仅计算数据占用空间），在默认情况下，MySQL的一个数据页大小为16K，一个页可存储的数据条数为 16\*1024/(4+8) =1365 ，按照单页存储空间占用为50%（页分裂现象导致页不满）计算，50万条数据的统计仅需要读取约732个物理页，而页在连续的情况下，数据库一次可读取多个连续的页，数据读取总量为 16k\*732约 12MB，因mysql空间分配为按区分配，每个区1M，一次分配1-5个连续区，当数据量较小，一次仅分配一个区，12M数据会分配在12个区中，按照pc硬盘(转速7200转/分) 70m/s 的读取速度，整个过程的io寻址时间(12\*8.5ms=102)+读取时间（12m/70m=171ms）=273ms，而数据解析统计约为 30-100ms，故总耗时会在300ms附近（注：count优化功能在5.1版本并不支持）。

PS:

在分页查询时通常需要显示总记录数，虽然只是一个数字，但是由于可能会全表统计，因此对查询的性能影响至关重要，现对其进行总结：

1、每次查询均select count，该方式数据的准确性最高，但是每次count，性能最低；

2、在会话期间只进行一次select count，然后缓存，该方式数据可能不准确，即可能漏数据导致部分新增数据无法被浏览到，但是可以避免后续访问的count操作；

3、不显示总记录数，通过每次查询时多查一条，判断是否是最后一页（最后一页是否可点击通常是通过总记录数除以页大小计算出总页数进行控制），该方式不存在漏数据和查询性能的问题，但是用户友好性会降低，在到最后一页前，用户无法得知总共有多少页；

4、每插入、删除一条数据就在另一张表，或者缓存系统等更新一下总记录数，这种方式通常只用在统计整个表的总记录数时有用，如果带有查询条件则基本无法使用，具有较大的应用场景局限性。

[MySQL]: http://lib.csdn.net/base/mysql
[Center]: /images/20221124/8002a22870e04c3b9e2b68cc362af656.png
[Center 1]: /images/20221124/aea03741f5974d45bf6912c3d737cd46.png