8、聚合函数count

count(*)的实现方式

在不同的MySQL引擎中，count(*)有不同的实现方式

1. 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；
2. 而InnoDB引擎就麻烦了，它执行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。

以上是没有过滤条件的count(*)，如果加了where 条件的话，MyISAM表也是不能返回得这么快的。

为什么InnoDB不跟MyISAM一样，也把数字存起来呢？

因为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表“应该返回多少行”也是不确定的

假设表t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。

我们假设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，
在最后一个时刻，三个会话A、B、C会同时查询表t的总行数，但拿到的结果却不同。

会话A、B、C的执行流程

这和InnoDB的事务设计有关系，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，也就是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。

不过MySQL在执行count(*)操作的时候还是做了优化：
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

小结：

• MyISAM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表直接count(*)会遍历全表，虽然结果准确，但会导致性能问题。

用缓存系统保存计数

对于更新很频繁的库来说，可能会第一时间想到，用缓存系统来支持。
用一个Redis服务来保存这个表的总行数。这个表每被插入一行Redis计数就加1，每被删除一行Redis计数就减1。这种方式下，读和更新操作都很快，但是这种方式存在问题：可能会丢失更新

Redis的数据不能永久地留在内存里，所以会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。试想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。

虽然这个场景可以解决：在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。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。
不过，将计数保存在缓存系统中的方式，还不只是丢失更新的问题。即使Redis正常工作，这个值还是逻辑上不精确的。

如果要显示操作记录的总数，同时还要显示最近操作的100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100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100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。

image.png

image.png

在并发系统里面，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，即使Redis正常工作，这个计数值还是逻辑上不精确的。

在数据库保存计数

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C中，又会怎么样呢？

首先，这解决了崩溃丢失的问题，InnoDB是支持崩溃恢复不丢数据的。
其次，由于InnoDB是支持事务的，所以从下图可以看出逻辑上是一致的

image.png

不同的count用法

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。

• 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；
• 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。

1. 对于count(主键id)来说：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. 对于count(1)来说，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。

单看这两个用法的差别的话，你能对比出来，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. 对于count(字段)来说：

• 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(*)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(字段)