亲宝软件园·资讯

展开

MySQL执行count(*)

​ 三苗同学   ​ 人气:0

前言:

在开发工作中,经常需要计算一个表的行数,比如一个内容系统审核记录总数。这时候我们最先想到是一条 select count(*) from my_table;语句。但是,随着系统(表)中记录数越来越多,这条查询语句执行的也会越来越慢。难道MySQL不会单独记个总数,我们每次要查的时候直接读出来?

那么就通过这一篇来聊聊count(*)语句到底是怎样实现的,以及 MySQL为什么会这么实现。如果在开发应用中有这样的需求,业务设计上可以怎么去做。

一、 count(*) 的实现方式

1、实现方式比较

在不同的MySQL引擎中,count(*)有着不同的实现方式。

【注意】在这篇学习文章里,是没有where过滤条件的count(*),如果加了where条件,使用MyISAM引擎的表返回结果也不会变的很快。

2、为什么InnoDB不像MyISAM一样,也把数字存起来

因为InnoDB引擎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引擎表“应该返回多少行”也是不确定的。

在InnoDB引擎四个隔离级别(读未提交RU;读已提交RC;可重复读RR;可串行化Serializable)中,而MVCC只适用于RC和RR。
MVCC:Multi-Version Concurrency Control,就是在事务执行过程中加入“版本”这个概念、MVCC的实现:通过保存数据在某个时间点的快照来实现的。

假设表 test 中现在有 10000 条记录,我们设计了三个用户并行的会话。

如果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。下图表为会话 A、B、C 的执行流程。

会话A会话B会话C
BEGIN;  
SELECT COUNT(*) FROM  test;  
  INSERT INTO test(写入一行数据);
 BEGIN; 
 INSERT INTO test( 写入一行数据); 
SELECT COUNT(*) FROM  test;
(返回1000)
SELECT COUNT(*) FROM  test;
((返回1002)
SELECT COUNT(*) FROM  test;
((返回1001)

从上图表中可以看到,在最后一个时刻,三个会话会同时查询表 test 的总行数,但结果却不同。

这和 InnoDB 的事务设计有关,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(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。

如果使用 show table status 命令,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 TABLE_ROWS 能代替 count(*)么?

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,因此它很不准。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。

3、小结

那么,回到本文章开头的问题,如果在一个页面经常要显示内容系统的操作记录总数,这样的话,我们只能自己计数。下面我们来看看有哪些计数方法,以及每种方法的优缺点有哪些。基本思路:自己找一个地方,把操作记录表的行数存起来。

二、计数方法

1、用缓存系统保存计数

对于更新很频繁的库来说,我们第一时间想到的是用缓存系统来保存。比如用 Redis 服务来保存这个表的总行数。这个表插入一行时, Redis 计数就加 1,删除一行时, Redis 计数就减 1。这种方式下,读和更新操作都很快,但缓存系统可能会丢失更新,导致数据错误。

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。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。

这种情况也可以解决,如果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。但在应用中,将计数保存在缓存系统中,还不只是丢失更新的问题。这个值在逻辑上也是不精确的。,

注意是逻辑不准确。

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 50 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:

这两种情况,都是逻辑不一致的。

我们一起来看看这个时序图:

上图中,会话 A 是一个插入记录的逻辑,往数据表里插入一行,然后 Redis 计数加 1;会话 B 就是查询页面显示时需要的数据。在这个时序里,在 T3 时刻会话 B 来查询的时候,会显示出新插入的这个记录,但是 Redis 的计数还没加 1。这时候,就会出现我们说的数据不一致。

即使把会话 A 的更新顺序换一下,再看看执行结果。

即使反过来,会话 B 在 T3 时刻查询的时候,Redis 计数加了 1 了,但还查不到新插入的 R 这一行,也是数据不一致的情况。

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,因为存在图中的这种操作序列,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。

2、在数据库保存计数

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,如果我们把这个计数直接放到数据库里单独的一张计数表 A 中,会怎么样呢?

首先,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,再看看能不能解决计数不精确的问题。这也是我们要解决的问题,由于 InnoDB 要支持事务,从而导致 InnoDB 表不能把 count(*) 直接存起来,然后查询的时候直接返回形成的。

现在我们就利用“事务”这个特性,把问题解决掉。

执行结果:虽然会话 B 的读操作仍然是在 T3 执行的,但是因为这时候更新事务还没有提交,所以计数值加 1 这个操作对会话 B 还不可见。

因此,在会话 B 看到的结果里, 查计数值和“最近 50 条记录”看到的结果,逻辑上就是一致的。

三、不同的 count 用法

在 select count(?) from test 这样的查询语句里面,count(*)count(主键 id)count(字段) 和 count(1) 等不同用法的性能,这几种用法有啥性能差别呢?

【注意】下面学习的也是基于 InnoDB 引擎的。

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。

在分析性能差别时,我们需要记住这么几个原则:

1、 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。

2、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。

只看这上面这两个用法,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。

3、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。

4、count(*)

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(*) = count(1) > count(主键 id) > count(字段),所以建议尽量使用 count(*)

加载全部内容

相关教程
猜你喜欢
用户评论