当前位置:首页 > 文章列表 > 数据库 > MySQL > 「MySQL」Count 函数的正确使用方法

「MySQL」Count 函数的正确使用方法

来源:SegmentFault 2023-01-20 12:02:46 0浏览 收藏

数据库小白一枚,正在不断学习积累知识,现将学习到的知识记录一下,也是将我的所得分享给大家!而今天这篇文章《「MySQL」Count 函数的正确使用方法》带大家来了解一下「MySQL」Count 函数的正确使用方法,希望对大家的知识积累有所帮助,从而弥补自己的不足,助力实战开发!

1. 描述

最近在学习极客时间丁奇的专栏《MySQL实战45讲》中第14讲有关
count
函数的时候觉得这一讲很有意思,遂决定以实操记录,以加深印象。

在

MySQL
中,当我们需要获取某张表中的总行数时,一般会选择使用下面的语句

select count(*) from table;

其实

count
函数中除了
*
还可以放其他参数,比如常数、主键
id
、字段,那么它们有什么区别?各自效率如何?我们应该使用哪种方式来获取表的行数呢?

当搞清楚

count
函数的运行原理后,相信上面几个问题的答案就会了然于胸。

2. 表结构

为了解决上述的问题,我创建了一张

user
表,它有两个字段:主键
id
和
name
,后者可以为
null
,建表语句如下。

CREATE TABLE `user` (
  `id` int(11) NOT NULL AUTO_INCREMENT COMMENT '主键',
  `name` varchar(255) DEFAULT NULL COMMENT '姓名',
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

在该表中共有6000000条数据,前1000000条数据行的name字段为空,其余数据行

name=id
,使用存储过程造测试数据的代码如下

-- 使用存储过程造测试数据
delimiter;;
create procedure idata()
begin 
  declare i int; 
  set i=1; 
  while(i

3. 执行 SQL 语句及结果

为了区分

count
函数不同参数的区别,主要从执行时间和扫描行数这两方面来描述
SQL
的执行效率,同时还会从返回结果来描述`count函数的特性。
  • *
    符号 ——
    select count(*) from user;
  • 常数——
    select count(1) from user;
  • 非空字段——
    select count(id) from user;
  • 可为空的字段——
    select count(name) from user;

3.1
*
符号

mysql> select count(*) from user;
+----------+
| count(*) |
+----------+
|  6000000 |
+----------+
1 row in set (0.76 sec)

遍历全表,不取值(优化后,必定不是null,不取值),累加计数,最终返回结果。

3.2 常数

mysql> select count(1) from user;
+----------+
| count(1) |
+----------+
|  6000000 |
+----------+
1 row in set (0.76 sec)

遍历全表,一行行取数据,将每一行赋值为1,判断到该字段不可为空,累加计数,最终返回结果。

3.3 非空字段

mysql> select count(id) from user;
+-----------+
| count(id) |
+-----------+
|   6000000 |
+-----------+
1 row in set (0.85 sec)

遍历全表,一行行取数据(会选择最小的索引树来遍历,所以比相同情况下的

count
字段效率更高),取每行的主键
id
,判断到该字段不可为空,累加计数,最终返回结果。

3.4 可为空的字段

mysql> select count(name) from user;
+-------------+
| count(name) |
+-------------+
|     5900001 |
+-------------+
1 row in set (0.93 sec)
  • 若字段定义不为空:遍历全表,一行行取数据,取每行的该字段,判断到该字段不可为空,累加计数,最终返回结果。
  • 若字段定义可为空:遍历全表,一行行取数据,取每行的该字段,判断到该字段可能是
    null
    ,然后再判断该字段的值是否为
    null
    ,不为
    null
    才累加计数,最终返回结果。
  • 若该字段没有索引,将遍历主键索引树。

4. 执行结果分析

4.1 结果集

首先从结果集的角度来看,前三条 SQL 语句的目的是一样的——返回的是所有行数,而 count 函数的参数是普通字段且字段默认为 null 的时候,它返回的是该字段不为 null 的行数。

4.2 执行时间

从执行时间上来看的话,效率大致是

count(可为空的字段)
count(非空字段) count(常数) count(*)。

5. 总结

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(*)
    速度最快的原因是它不会在计数的时候去取每行数据值
  • count(1)
    比
    count(*)
    稍慢的原因是它会取每个数据行并赋值为1
  • count(非空字段)
    比
    count(1)
    稍慢的原因是它会从每个数据行中取出主键 id
  • count(可为空的字段)
    最慢的原因是它可能需要判断每个数据行中的改字段是否为 null

所以,最好还是用

count(*)
。

今天关于《「MySQL」Count 函数的正确使用方法》的内容就介绍到这里了,是不是学起来一目了然!想要了解更多关于mysql的内容请关注golang学习网公众号!

版本声明
本文转载于:SegmentFault 如有侵犯,请联系study_golang@163.com删除
MySQL常用命令MySQL常用命令
上一篇
MySQL常用命令
日志系统:一条SQL更新语句是如何执行的
下一篇
日志系统:一条SQL更新语句是如何执行的
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    479次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    535次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    557次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    507次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    328次使用