この記事は「 MySQL 帰納的学習」コラムの 2 回目の記事であり、MySQL クエリの知識ポイントに関する 2 回目の記事でもあります。
過去のレビュー:
MySQL では、count() は強力な統計関数ですが、ご存知でしたか? エンジンごとに実装方法が異なります。それだけでなく、この記事では、さまざまなカウントの使用法によるパフォーマンスの違いを理解し、どの使用法が最も効率的であるかを説明します。さらに、カウントを保持するためにキャッシュ システムとデータベースを使用するスキームの違いを調査し、それらのコントラストを明らかにします。
まずはこのマインドマップを見て、この記事の内容を簡単に理解してみましょう。
count(*) の実装方法
MySQL エンジンごとに count( ) の実装方法は異なります。ここでは、フィルター条件のないcount( ) について説明します。
- MyISAM エンジンはディスク上のテーブルの総行数を保存するため、
*count() が実行されるとこの数値を直接返し、非常に効率的です。Where 条件が追加されると、MyISAM テーブルはそれほど早く戻ることはできません。 - ただし、InnoDB エンジンは面倒で、
*count() を実行するときに、エンジンからデータを 1 行ずつ読み込んでカウントを蓄積する必要があります。
InnoDB は MyISAM のように数値を保存しないのはなぜですか?
これは、複数のクエリを同時に実行した場合でも、マルチバージョン同時実行制御 (MVCC) により、InnoDB テーブルに対して「何行返すべきか」が不確実であるためです。
次のケースに示すように、3 つのセッションのクエリ テーブル t の合計行数の結果は同時に異なります。
これは InnoDB のトランザクション設計と関係があり、反復読み取りがデフォルトの分離レベルであり、マルチバージョン同時実行制御 (MVCC) を通じてコードに実装されています。レコードの各行は、セッションに表示されるかどうかを判断する必要があるため、count(*) リクエストの場合、InnoDB はデータを行ごとに読み取り、順番に判断する必要があり、「このクエリに基づいて」テーブル内の行の合計数を計算するために使用できるのは、表示されている行のみです。
InnoDB エンジンでの count( ) の実行には*行ごとの読み取りが必要ですが、クエリの最適化は依然として内部で行われます。InnoDB はインデックス構成テーブルであり、主キー インデックス ツリーのリーフ ノードはデータであり、セカンダリ インデックス ツリーのリーフ ノードは主キー値です。したがって、通常のインデックス ツリーは主キー インデックス ツリーよりもはるかに小さくなります。count(*) などの操作の場合、どのインデックス ツリーを走査することによって得られる結果は論理的に同じです。したがって、MySQL オプティマイザは、走査する最小のツリーを見つけます。正しいロジックを保証するという前提の下で、スキャンされるデータの量を最小限に抑えることは、データベース システム設計の一般原則の 1 つです。
*count( )コマンドを実行してデータ行数を取得するほかにshow table status、現在テーブルに何行あるかを表示するコマンドも使用しましたが、注意が必要なのは、このコマンドで得られる結果はサンプリングによる推定値であり、誤差は40%～50%に達する可能性があると公式ドキュメントに記載されています。したがって、show table status コマンドで表示される行数をそのまま使用することはできません。
要約する
- MyISAM table count(
*) は非常に高速ですが、トランザクションはサポートされていません。 - show table status コマンドはすぐに戻りますが、正確ではありません。
- InnoDB テーブルの直接カウント(*) はテーブル全体を走査しますが、結果は正確ですが、パフォーマンスの問題が発生します。
count のさまざまな使用法
count(*)、count(主キー ID)、count(field)、count(1) などのさまざまな使用法のパフォーマンスを分析します。違いは何ですか?
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。
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。
count(主键 id) 不会走主键索引，因为普通索引树比主键索引树小很多。假设表中有多个普通索引树，则由优化器来决定走哪个索引。
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。
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。
count(字段) 需要查询出该字段值，只能通过聚簇索引树，所以效率最差。
但是 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，直接按行累加。
主键 ID肯定非空，为什么优化器不能像优化 count()那样优化count(主键ID) 呢？答案是没必要，不做重复优化，推荐使用 count()。
根据上述分析，按照效率排序的话，count(字段)<count(主键 id)<count(1)≈count(*)，所以我建议你，尽量使用 count(*)。
有些文章说 count() 性能差，用词不恰当，难道其他几种计数方式就不差了，注意是计数性能差，而不是count()差。关于计数性能差，可以增加缓存，比如说 redis缓存或者本地缓存，但是不能保证完全实时一致。
用缓存系统保存计数
对于更新很频繁的库来说，你可能会第一时间想到，用缓存系统来支持。
你可以用一个 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，但你再想一下这种方式存在什么问题吗？
没错，缓存系统可能会丢失更新。
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。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。
当然了，这还是有解的。比如，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。
但实际上，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。
Redis 和 MySQL 是两个独立的数据源，我们需要解决并发环境下数据不一致的问题，一般我们都会先更新数据库，再删缓存。
我们查询如下两个时序图：
会话A在 T2时刻执行了插入操作，在 T3时刻会话B读取缓存中的计数，那么此时读取到的计数和会话A事务结束后读取到的计数就会发生不一致。
如果在会话A中调整更新计数操作和插入操作的顺序，那么是否会有所好转呢？
答案还是不行。虽然在 T3 时刻会话B 可以查询到最新的计数，但是无法获取到待插入的数据R。
因为 Redis 和 MySQL 是不同的存储构成的系统，不支持分布式事务，所以没法保证计数的精确性。
在数据库保存计数
根据上面的分析，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 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。
利用事务来解决时序2 图中的问题，如下所示：
因为MySQL 事务机制和 MVCC，在 T3时刻会话B进行的操作不受会话A 的影响，因为会话A在 T4才提交事务，T2做的修改对会话B不可见。
总结
在不同的存储引擎中，count(*)函数的实现方式不同。我们之前讨论过使用缓存系统来存储计数值存在的问题。现在，我来简洁地解释一下为什么将计数值存储在Redis中不能保证与MySQL表中的数据精确一致。
Redis和MySQL是不同的存储系统，它们不支持分布式事务，因此无法提供精确一致的视图。这就是为什么将计数值存储在Redis中无法确保与MySQL表中数据的一致性。相比之下，将计数值存储在MySQL中可以解决一致性视图的问题。