一.统计记录数的小例子
1.1 创建数据表
CREATE TABLE `user` (
`id` INT(11) UNSIGNED NOT NULL AUTO_INCREMENT,
`username` VARCHAR(255) DEFAULT NULL,
`address` VARCHAR(255) DEFAULT NULL,
`password` VARCHAR(255) DEFAULT NULL,
PRIMARY KEY (`id`)
) ENGINE=INNODB DEFAULT CHARSET=utf8mb4;
1.2 存入几条数据
1.3 执行下面几条语句
SELECT COUNT(*) FROM USER;
SELECT COUNT(id) FROM USER;
SELECT COUNT(1) FROM USER;
SELECT COUNT(username) FROM USER;
SELECT COUNT(address) FROM USER;
执行上述五条语句,结果都是一样的,那我们来分析一下这四条语句的效率吧
1.4 使用explain 来研究SQL的执行效率
执行第一行语句
EXPLAIN SELECT COUNT(*) FROM USER;
查看这行sql的执行计划
继续执行完接下来的几个sql的执行计划,总的如下:
前三个统计方式的执行计划是一样的,后两个是一样的。
那为什么会有不同呢
type : 前三个的type值为index, 表示全索引扫描,就是把整个索引过一遍就行,注意的是过一遍指的只是索引并不是整个表;后两个的type值为all,表示全表扫描,即不会使用索引。
key : 这个表示MySQL决定采用哪个索引来优化对该表的访问,PRIMARY表示利用主键索引,NULL表示不用索引。
Extra :这个中的Using index 表示优化器只需要通过访问索引就可以过的到需要的数据。(并不需要回表)。通过explain我们其实也能大概看出来前三种统计方式的执行效率要高,因为前三种用了索引去寻找数据,并不需要全表扫描
。
1.5 原理分析
1.5.1 主键索引与普通索引与索引的关系。
回表
:由于在主键索引中,叶子节点保存了每一行的数据。
而在普通索引中,叶子节点保存的是主键值,当我们使用普通索引去搜索数据的时候,先在叶子节点中找到主键,再拿着主键去主键索引中查找数据,相当于做了两次查找。
1.5.2 分析
count聚合函数
:count函数是聚合函数(avg,sum等), 那么我们就需要对返回的结果集进行一行行的判断。
SELECT COUNT(*) FROM USER;
SELECT COUNT(id) FROM USER;
SELECT COUNT(1) FROM USER;
SELECT COUNT(username) FROM USER;
SELECT COUNT(address) FROM USER;
1.5.2.1 SELECT COUNT(1) FROM USER;
对于这个查询来说,InnoDB引擎会去找到一个最小的索引
树去遍历(不一定是主键索引),但是不会读取数据,而是读取到一个叶子节点,就返回1,最后将结果累加。
1.5.2.2 select count(id) from user;
这个查询来说,InnoDB 引擎会遍历整个主键索引
,然后读取 id并返回,不过因为 id 是主键,就在 B+ 树的叶子节点上,所以这个过程不会涉及到随机 IO(并不需要回表等操作去数据页拿数据);
1.5.2.3 select count(username) from user;
这个查询来说,InnoDB 引擎会遍历整张表做全表扫描
,读取每一行的 username 字段并返回,如果 username 在定义时候设置了 not null,那么直接统计username 的个数;如果 username 在定义的时候没有设置 not null,那么就先判断一下 username 是
否为空,然后再统计。
1.5.2.4 select count(*) from user;
这个 SQL 的特殊之处在于它被 MySQL 优化过,当
MySQL 看到 count(*) 就知道你是想统计总记录数,就会去找到一个最小的索引树去遍历,然后统计
记录数。
1.5.2.5主键索引和普通索引树的大小比较
因为主键索引(聚集索引)的叶子节点是数据,而
普通索引的叶子节点则是主键值,索引普通索引的索引树要小一些。
1.5.2.6 给username添加索引
现在,如果我修改上面的表,为 username 字段也添加索引,然后我们再来看 explain select count(*) from user; 的执行计划:
可以看到,此时使用的索引就是 username 索引了,和我们前面的分析结果是一致的。从上面的描述中我们就可以看出,第一个查询性能最高,第二个次之(因为需要读取 id 并返回),第三个最差(因为需要全表扫描),第四个的查询性能则接近第一个。