本沒想著寫這篇文章的,因為我覺得這個東西大多數有經驗的開發遇到過,肯定也了解過相關的原因,但最近我看到有幾個關注的技術公眾號在推送相關的文章。實在令我吃驚!
先上公眾號文章的結論:
- count(*) :它會獲取所有行的數據,不做任何處理,行數加1。
- count(1):它會獲取所有行的數據,每行固定值1,也是行數加1。
- count(id):id代表主鍵,它需要從所有行的數據中解析出id欄位,其中id肯定都不為NULL,行數加1。
- count(普通索引列):它需要從所有行的數據中解析出普通索引列,然後判斷是否為NULL,如果不是NULL,則行數+1。
- count(未加索引列):它會全表掃描獲取所有數據,解析中未加索引列,然後判斷是否為NULL,如果不是NULL,則行數+1。
結論:count(*) ≈ count(1) > count(id) > count(普通索引列) > count(未加索引列)
我也不想賣關子了,以上結論純屬放屁。根本就是個人yy出來的東西,甚至不願意去驗證一下,哪怕看一眼執行計劃,也得不出這麼離譜的結論。
我不敢相信這是一篇被多個技術公眾號轉載的文章!
以下所有的內容均是基於,MySQL 5.7 + InnoDB引擎, 進行的分析。
拓展:
MyISAM 如果沒有查詢條件,只是簡單的統計表中數據總數,將會返回的超快,因為service層中獲取到表信息中的總行數是準確的,而InnoDB只是一個估值。
實例
廢話不多說,先看一個例子。
以下是一張表數據量有100w,表中欄位相對較短,整體數據量不算大。
CREATE TABLE `hospital_statistics_data` (
`pk_id` bigint unsigned NOT NULL AUTO_INCREMENT COMMENT '主鍵',
`id` varchar(36) COLLATE utf8mb4_general_ci NOT NULL COMMENT '外鍵',
`hospital_code` varchar(36) COLLATE utf8mb4_general_ci NOT NULL COMMENT '醫院編碼',
`biz_type` tinyint NOT NULL COMMENT '1服務流程 2管理效果',
`item_code` varchar(36) CHARACTER SET utf8mb4 COLLATE utf8mb4_general_ci DEFAULT NULL COMMENT '考核項目編碼',
`item_name` varchar(64) COLLATE utf8mb4_general_ci DEFAULT NULL COMMENT '考核項目名稱',
`item_value` varchar(36) COLLATE utf8mb4_general_ci DEFAULT NULL COMMENT '考核結果',
`is_deleted` tinyint DEFAULT NULL COMMENT '是否刪除 0否 1是',
`gmt_created` datetime DEFAULT NULL COMMENT '創建時間',
`gmt_modified` datetime DEFAULT NULL COMMENT 'gmt_modified',
`gmt_deleted` datetime(3) DEFAULT '9999-12-31 23:59:59.000' COMMENT '刪除時間',
PRIMARY KEY (`pk_id`)
) DEFAULT CHARSET=utf8mb4 COMMENT='醫院統計數據';
此表初始狀態只有一個聚簇索引。
以下分不同索引情況,看一下COUNT(*)的執行計劃。
1、在只有一個聚簇索引的情況下看一下執行計劃。
EXPLAIN select COUNT(*) from hospital_statistics_data;
結果:
關於執行計劃的各個參數的含義,不在本文的討論範圍內,可自行了解。
這裡只關注以下幾個屬性。
- type: 這裡顯示index,說明使用了索引。
- key:PRIMARY使用了主鍵索引。
- key_len: 索引長度8位元組。
這裡有很關鍵的一點:count(*)也會走索引,在當前情況下使用了聚簇索引。
好,再往下看。
2、存在一個非聚簇索引(二級索引)
給表添加一個hospital_code索引。
alter table hospital_statistics_data add index idx_hospital_code(hospital_code)
此時表中存在2個索引,主鍵 和 hospital_code。
同樣的,再執行一下:
EXPLAIN select COUNT(*) from hospital_statistics_data;
結果:
同樣的,看一下 type、key和key_len三個欄位。
是不是覺得有點「神奇」。
為何索引變成剛添加的idx_hospital_code了。
先別急著想結論,再看下面一種情況。
3)存在兩個非聚簇索引(二級索引)
在上面的基礎上,再添加一個二級索引。
alter table hospital_statistics_data add index idx_biz_type(biz_type)
此時表中存在3個索引,主鍵 、hospital_code 和 biz_type。
同樣的,執行一下:
EXPLAIN select COUNT(*) from hospital_statistics_data;
結果:
是不是更困惑了,索引又..又又...變了.
變成新添加的idx_biz_type。
先不說為何會產生以上的變化,繼續往下分析。
在以上3個索引的基礎上,分別看一下,count(1)、count(id)、count(index)、count(無索引)
這4種情況,與count(*)的執行計劃有何區別。
1.count(1)
2.count(id) 對於樣例表來說是,主鍵是pk_id
3.count(index)
這裡選取biz_type索引欄位。
4.count(無索引)
小結:
- count(index) 會使用當前index指定的索引。
- count(無索引) 是全表掃描,未走索引。
- count(1) , count(*), count(id) 一樣都會選擇idx_biz_type索引
看到這,你還覺得那些千篇一律的公眾號文章的結論正確嗎?
必要知識點
- mysql 分為service層和引擎層。
- 所有的sql在執行前會經過service層的優化,優化分為很多類型,簡單的來說可分為成本和規則。
- 執行計劃所反映的是service層經過sql優化後,可能的執行過程。並非絕對(免得有些人說我只看執行計劃過於片面)。絕大多數情況執行計劃是可信的。
- 索引類型分為聚簇索引和非聚簇索引(二級索引)。其中數據都是掛在聚簇索引上的,非聚簇索引上只是記錄的主鍵id。
- 拋開數據內存,只談數據量,都是扯淡。什麼500w就是極限,什麼2個表以上的join都需要優化了,什麼is null不會走索引等,純純的放屁。
- 相信一點,編寫mysql代碼的人比,看此文章的大部分人都要優秀。他們會儘可能在執行前,對我這樣菜逼寫的亂七八糟的sql進行優化。
原因分析
其實原因非常非常簡單,上面也說了,service層會基於成本進行優化。
並且,正常情況下,非聚簇索引所占有的內存要遠遠小於聚簇索引。所以問題來了,如果你是mysql的開發人員,你在執行count(*)查詢的時候會使用那個索引?
我相信正常人都會使用非聚簇索引。
那如果存在2個甚至多個非聚簇索引又該如何選擇呢?
那肯定選擇最短的,占用內存最小的一個呀,在回頭看看上面的實例,還迷惑嗎。
同樣都是非聚簇索引。idx_hospital_code的len是146位元組;而idx_biz_type的len只有1。那還要選嗎?
那為何count(*)走了索引,卻還是很慢呢?
這裡要明確一點,索引只是提升效率的一種方式,但不能完全的解決效率問題。count(*)有一個明顯的缺陷,就是它要計算總數,那就意味著要遍歷所有符合條件的數據,相當於一個計數器,在數據量足夠大的情況下,即使使用非聚簇索引也無法優化太多。
官方文檔:
InnoDBhandlesSELECT COUNT(*)andSELECT COUNT(1)operations in the same way. There is no performance difference.
簡單的來說就是,InnoDB下 count(*) 等價於 count(1)
既然會自動走索引,那麼上面那個所謂的速度排序還覺得對嗎? count(*)的性能跟數據量有很大的關係,此外最好有一個欄位長度較短的二級索引。
拓展:
另外,多說一下,關於網上說的那些索引失效的情況,大多都是片面的,我這裡只說一點。量變才能引起質變,索引的失效取決於你圈定數據的範圍,若你圈定的數據量占整體數據量的比例過高,則會放棄使用索引,反之則會優先使用索引。但是此規則並不是完美的,有時候可能與你預期的不同,也可以通過一些技巧強制使用索引,但這種方式少用。
舉個栗子:
通過上面這個表hospital_statistics_data,我進行了如下查詢:
select * from hospital_statistics_data where hospital_code is not null;
此時這個sql會使用到hospital_code的索引嗎?
這裡也不賣關子了,若hospital_code只有很少一部分數據是null值,那麼將不會走索引,反之則走索引。
原因就2個字:回表。
好比去買砂糖橘,如果你只買幾斤,那麼你隨便挑筐裡面好的就行。但是如果你要買一筐,我相信老闆不會讓你在裡面一個個挑,而是一次給你一整筐,當然大家都不傻,都知道筐里裡面肯定有那麼幾個壞果子。但是這樣效率最高,而且對老闆來說損失更小。
執行過程
摘抄自《從根上理解mysql》。我強烈推薦沒有系統學過mysql的,看看這本書。
1.首先在server層維護一個count變量
2.server層向InnoDB引擎要第一條記錄
3.InnoDB找到第一條二級索引記錄,並返回給server層(注意:由於此時只是統計記錄數量,所以並不需要回表)
4.由於COUNT函數的參數是*,MySQL會將*當作常數0處理。由於0並不是NULL,server層給count變量加1。
5.server層向InnoDB要下一條記錄。
6.InnoDB通過二級索引記錄的next_record屬性找到下一條二級索引記錄,並返回給server層。
7.server層繼續給count變量加1。
8.重複上述過程,直到InnoDB向server層返回沒記錄可查的消息。
9.server層將最終的count變量的值發送到客戶端。
作者:微笑兔
連結:https://juejin.cn/post/7182491131651817531
來源:稀土掘金