当前位置:首页 > 文章列表 > 数据库 > MySQL > MySQL ROW_COUNT 在普通 SELECT 后为什么返回负一

MySQL ROW_COUNT 在普通 SELECT 后为什么返回负一

来源:17golang原创 2026-10-30 19:28:16 0浏览 收藏

我第一次看到这个值时,也以为查询链路出了问题:普通 SELECT 执行成功,结果集也正常返回,紧接着调用 ROW_COUNT() 却得到 -1。这个值在 MySQL 里不是失败标记,而是在告诉你:上一条语句返回了结果集,当前函数没有把它当作“受影响行数”来统计。

要点速览
  • 普通 SELECT 返回结果集时,ROW_COUNT() 按规则返回 -1。
  • 统计查询结果有多少行,使用 COUNT(*);判断写入改了多少行,才使用 ROW_COUNT()。
  • 读取 ROW_COUNT() 要紧跟目标语句,并保持在同一个数据库会话中。

先确认 -1 代表结果集而不是查询失败

ROW_COUNT() 的名字容易让人联想到“上一条 SQL 返回了多少行”。但 MySQL 对它的定义更接近“上一条语句影响了多少行”。普通 SELECT 的工作是向客户端交付结果集,并没有修改表中的行,因此返回 -1。

下面这组语句能说明边界。第二条 SELECT 只是读取上一条查询的执行结果状态,不会把第一条查询的结果集行数重新计算成正数。

-- 先产生结果集,再立即读取上一条语句的状态
SELECT id, order_no FROM orders WHERE status = 'paid';
SELECT ROW_COUNT();

-- 预期:ROW_COUNT() 为 -1,表示上一条 SELECT 返回了结果集
MySQL 普通 SELECT 产生结果集后 ROW_COUNT 返回负一的关系说明图
图1:结构说明图,普通 SELECT 产生结果集时,ROW_COUNT() 的 -1 表示该语句不是受影响行数统计。

按语句类型区分 ROW_COUNT() 的统计口径

把语句类型分开后,这个值就不神秘了。DML(如 UPDATE、INSERT、DELETE)返回受影响行数;DDL(如 CREATE TABLE、DROP TABLE)返回 0;能返回结果集的普通 SELECT 返回 -1。特殊的 SELECT ... INTO OUTFILE 不返回给客户端,而是报告写入文件的行数。

语句ROW_COUNT() 口径适合回答的问题
UPDATE / INSERT / DELETE受影响行数这次写操作改了几行
CREATE / DROP0DDL 是否产生行变更
普通 SELECT-1上一条语句是否返回结果集
SELECT ... INTO OUTFILE写入文件的行数导出了多少行
MySQL ROW_COUNT 按 DML、DDL、SELECT 和 INTO OUTFILE 区分统计口径的矩阵说明图
图2:关系说明图,把语句类型与 ROW_COUNT() 的统计口径放在同一张速查结构中。

需要统计查询行数时,改用 COUNT(*)

如果业务问题是“这次筛选命中了多少条订单”,目标是结果集大小,不是受影响行数。应让数据库明确计算行数:

-- 统计符合条件的行数,不依赖 ROW_COUNT() 的上一条语句语义
SELECT COUNT(*) AS total
FROM orders
WHERE status = 'paid';

-- 分页时把展示查询和总数查询分开,避免把 LIMIT 后的结果误当成总数
SELECT id, order_no
FROM orders
WHERE status = 'paid'
ORDER BY id DESC
LIMIT 20;

SELECT COUNT(*) AS total
FROM orders
WHERE status = 'paid';

分页总数和当前页条数是两个指标。若只想知道当前客户端收到多少条记录,由应用层读取结果集即可;不要把 ROW_COUNT() = -1 转换成零,也不要把它当作“没有命中数据”。

用会话边界排查误读和并发问题

我在应用排查中最容易忽略的点是“上一条语句”和“同一个连接”。ROW_COUNT() 应在目标 DML 后立即读取;中间插入一条查询、切换连接、交给连接池归还后再取值,都可能让代码读到别的语句状态。更新场景可以这样写:

-- 在同一连接中紧跟 UPDATE 读取受影响行数
UPDATE orders
SET status = 'shipped'
WHERE id = 1001 AND status = 'paid';
SELECT ROW_COUNT();

-- 这里的返回值表示实际改变的行数,不是 SELECT 结果集大小

落地前可以按这四项检查:第一,先写清楚要的是结果集行数还是写操作影响行数;第二,读取函数前不要插入其他 SQL;第三,连接池场景确认两条语句使用同一会话;第四,对“条件命中但值未改变”的 UPDATE 单独定义业务口径。默认配置下,MySQL 更偏向报告实际改变的行数,而不是仅匹配到的行数。

常见问题

普通 SELECT 返回 -1 是不是查询失败?

不是。只要结果集正常返回,-1 就是 MySQL 对该语句类型的规定值。

怎样得到 SELECT 真正返回了多少行?

需要总数时执行匹配条件一致的 COUNT(*);需要当前页数量时由客户端统计实际收到的结果行。

UPDATE 匹配到一行但没有改值,ROW_COUNT() 是多少?

默认按实际改变的行数统计,因此可能是 0。如果客户端连接使用 CLIENT_FOUND_ROWS,受影响行口径会不同,应用应固定并记录该连接选项。

版本声明
本文转载于:17golang原创 如有侵犯,请联系study_golang@163.com删除
Go JetStream 的 Ack 与 DoubleAck 有什么区别Go JetStream 的 Ack 与 DoubleAck 有什么区别
上一篇
Go JetStream 的 Ack 与 DoubleAck 有什么区别
Redis CLUSTER KEYSLOT 怎样确认带标签键的槽位
下一篇
Redis CLUSTER KEYSLOT 怎样确认带标签键的槽位
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。
    797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。
    786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。
    875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。
    844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。
    676次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码