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。
- 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。这样就比较麻烦了。
【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。
- 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。
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
- MyISAM 引擎表虽然
count(*)
很快,但是不支持事务; show table status
命令虽然返回很快,但是不准确;- InnoDB 引擎表直接
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:
- 一种是,查到的 50 行结果里面有最新插入记录,而 Redis 的计数里还没加 1;
- 另一种是,查到的 50 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。
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:
- server 层要什么就给什么;
- InnoDB 只给必要的值;
- 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。
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