MySQL中聚合函数count的使用和性能优化

时间  2020-11-20 标签 mysql sql 数据库 缓存 性能优化 架构 函数 性能 优化 .net

  COUNT()聚合函数，以及如何优化使用了该函数的查询，极可能是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不少错误的理解，可能比咱们想象的多得多。mysql

在作优化以前，先来看看COUNT()函数的真正做用是什么。sql

COUNT()的做用数据库

COUNT()是一个特殊的函数，有两种很是不一样的做用：它能够统计某个列值的数量，也能够统计行数。在统计列值时要求列值非空的（不统计NULL）。若是在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。由于不少人对NULL理解有问题，因此这里很容易产生误解。若是想了解更多关于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）缓存

COUNT()的另一个做用是统计结果集的行数。当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。最简单的就是当咱们使用COUNT(*)的时候，这种状况下通配符*并不会像咱们猜测的那样扩展成全部的列，实际上，它会忽略全部的列而直接统计全部的行数。性能优化

咱们发现一个最多见的错误就是，在括号内指定了一个列却但愿统计结果集的行数。若是但愿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。架构

于MyISAM的神话函数

一个容易产生的误解就是：MyISAM的COUNT()函数老是很是快，不过这是有前提条件的，即只有没有任何where条件的COUNT(*)才很是快，由于此时无需实际地去计算表的行数。MySQL能够利用存储引擎的特性直接得到这个值。若是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(*)。性能

当统计带WHERE子句的结果集行数，能够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一样，就再也不有神话般的速度了。因此在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，这受不少因素影响，要视具体状况而定。优化

《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，而对于经常使用的innodb执行Count没有作过多讲解，下面咱们就聊聊如何在Innodb上进行count优化。.net

 

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。当咱们经过二级索引统计数据的时候，无需扫描数据文件；而经过主键索引统计数据时，因为主键索引与数据文件存放在一块儿，因此每次都会扫描数据文件，故大多数状况下，经过二级索引统计数据效率 >= 基于主键统计效率。

(3)    因为二级索引存储的数据为指定字段的值与主键值，故在无索引覆盖的状况下，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，此过程可能形成大量的随机io，致使查询速度较慢。

(4)    因为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经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，即便符合条件的达到 90%依然会走索引）。

 

count慢的缘由:

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状况下，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，其效率很是低下（每一个页只能包含较少的数据条数，须要访问的物理页较多）。

 

innodb可优化点：

1. 主键须要采用占用空间尽可能小的类型且数据具备连续性（推荐自增整形id），这样有利于减小页分裂、页内数据移动，可加快插入速度同时有利于增长二级索引密度（一个数据页上能够存储更多的数据）。

2.在表包含大字段或字段较多状况下，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。

 

下面作个count优化例子：

1.首先咱们建立一直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

 

能够看到，近50万条内容较多的数据执行一个count（*） 就须要耗时 13分28秒

下面咱们作个优化，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;

 

能够看到，整个统计查询很是快，仅用了 354毫秒就完成了查询。

 

加速缘由：

咱们在innodb表上建立了一个二级索引，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），在默认状况下，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%（页分裂现象致使页不满）计算，50万条数据的统计仅须要读取约732个物理页，而页在连续的状况下，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，每一个区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）。

1、 基本使用

count的基本做用是有两个：

  • 统计某个列的数据的数量；
  • 统计结果集的行数；

用来获取知足条件的数据的数量。可是其中有一些与使用中印象不一样的状况，好比当count做用一列、多列、以及使用*来表达整行产生的效果是不一样的。

示例表以下：

CREATE TABLE `NewTable` (
`id`  int(11) NULL DEFAULT NULL ,
`name`  varchar(30) NULL DEFAULT NULL ,
`country`  varchar(50) NULL DEFAULT NULL ,
`province`  varchar(30) NULL DEFAULT NULL ,
`city`  varchar(30) NULL DEFAULT NULL 
)ENGINE=InnoDB
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6
  • 7

这里写图片描述

1.1 不计算NULL的值

若是有NULL值，在返回的结果中会被过滤掉

select count(country) from person;
  • 1

返回结果以下：

这里写图片描述

若是知足条件的数据项不存在，则结构返回0，常常经过这种方式判断是否有知足条件的数据存在；返回的数据类型是bigint。

1.2 对count(*)的处理

count(*)的处理是有点不一样的，它会返回全部数据的数量，可是不会过滤其中的NULL值，它也并非至关于展开成全部的列，而是直接会忽略全部的列而直接统计全部的行数。语句以下：

select count(*) from person;
  • 1

返回结果以下：

这里写图片描述

当想要返回全部的数据的数量的时候，可是又不想包括所有是NULL的列，使用count(*)是不可能作到的，可是在1.1中说到count做用于列的时候会过滤NULL，那么直接这么写是否是对？

select count(id, `name`, country, province, city) from person;
  • 1

那就错了，count只能做用于单列，不能做用于多列 ，因此上面的写法是错误的。

另外针对count(*)语句，在MyISAM存储引擎中作了优化，每一个表的数据行数都会存储在存储引擎中，能够很快拿到；可是在事务性的存储引擎中，好比InnoDB中，由于会涉及到多个事务；

1.3 对count(distinct …)的处理

count(distinct …)会返回彼此不一样可是非NULL的数据的行数。这一点和只使用distinct是有区别的，由于distinct是不过滤NULL值的，详见MySQL中distinct的使用方法 。
- 若是没有符合条件的数据则返回0；
- 该语句能够做用于多列，是当各个列之间有一个不一样，就认为整行数据不一样，与distinct做用于多列时效果相同；

select count(DISTINCT country) from person;
  • 1

返回结果以下：

这里写图片描述

可是对于count(*)和count(distinct )二者的结合，以下：

select count(DISTINCT *) from person;
  • 1

该语句是错误的，没法执行，所以与select count(DISTINCT *) from person 仍是有区别的。

2、 性能优化

一般状况下，count(*)操做须要大量扫描数据表中的行，若是避免扫描大量的数据就成为优化该语句的关键所在。针对这个问题能够从以下两个角度考虑。

2.1 在数据库的层次上优化

2.1.1 针对count(*)

在MySQL内部已经针对count(*)进行了优化，使用explain查询以下：

EXPLAIN select count(*) from person;
  • 1

这里写图片描述

从中能够看出该查询没有使用全表扫描也没有使用索引，甚至不须要查询数据表，在上面的示例数据库中得知，该库的存储引擎是InnoDB ，并且其中既没有主键也没有索引。

2.2 针对单个列进行count

查询以下：

EXPLAIN select count(country) from person where id > 2;
  • 1

这里写图片描述

发如今没有主键和索引的状况下，对全表进行了扫描。在数据中避免大量扫描数据行，一个最直接的方法使用索引：

  • 当对id设置为通常索引 ：INDEX abc (id) USING BTREE 。

    执行查询以下：

    EXPLAIN select count(country) from person where id > 2;
    • 1

    结果以下：

    这里写图片描述

    此时发现并无使用索引，仍然进行的是全表扫描，当执行以下时：

    EXPLAIN select count(country) from person where id > 4;
    • 1

    结果以下：

    这里写图片描述

    这是使用了索引进行了范围查询，显然比上面的要好。

    可是问题来了，为何有时候使用索引，有时候不用索引？在上面的第一次查询中已经可以检测出可能的key可是并无使用？若是有知道的大神给解读一下！

  • 对id设置为主键，执行查询以下：

    EXPLAIN select count(country) from person where id > 2;
    • 1

    结果以下：

    这里写图片描述

2.2 在应用的层次上优化

在应用的层次上优化，能够考虑在系统架构中引入缓存子系统，好比在过去中经常使用的Memcached，或者如今很是流行的Redis， 可是这样会增长系统的复杂性。

联系我们 沪ICP备13005482号-10