以下是基于我结合B+树的数据结构和对实验结果的推测作出的判断，如有错误，恳请指正！

今天实验了一下MySQL的count()操作优化, 以下讨论基于mysql5.7 InnoDB存储引擎. x86 windows操作系统。

创建的表的结构如下（数据量为100万）：

首先是关于mysql的count(*)，count(PK), count(1)哪个快的问题。
实现结果如下：

并没有什么区别！加上了WHERE子句之后3个查询的时间也是相同的，我就不贴图片了。

之前在公司的时候就写过一个select count(*) from table的SQL语句，在数据多的时候非常慢。所以要怎么优化呢？

这要从InnoDB的索引说起, InnoDB的索引是B+Tree。

对主键索引来说：它只有在叶子节点上存储数据，它的key是主键，并且value为整条数据。
对辅助索引来说：key为建索引的列，value为主键。

这给我们两个信息：
1. 根据主键会查到整条数据
2. 根据辅助索引只能查到主键，然后必须通过主键再查到剩余信息。

所以如果要优化count(*)操作的话，我们需要找一个短小的列，为它建立辅助索引。
在我的例子中就是status，虽然它的”severelity”几乎为0.

先建立索引：ALTER TABLE test1 ADD INDEX (status);
然后查询，如下图：

可以看到，查询时间从3.35s下降到了0.26s，查询速度提升近13倍。

如果索引是str这一列，结果又会是怎么样呢？
先建立索引: alter table test1 add index (str)
结果如下：

可以看到，时间为0.422s，也很快，但是比起status这列还是有着1.5倍左右的差距。

再大胆一点做个实验，我把status这列的索引删掉，建立一个status和left(omdb,200)(这一列平均1000个字符)的联合索引，然后看查询时间。
建立索引： alter table test1 add index (status,omdb(200))
结果如下：

时间为1.172s

alter table test1 add index (status,imdbid);

补充！！
要注意索引失效的情况！
建立了索引后正常的的样子：

可以看到key_len为6, Extra的说明是using index.

而如果索引失效的话：

索引失效有很多种情况，比如使用函数，!=操作等，具体请参考官方文档。

对MySQL没有很深的研究，以上是基于我结合B+树的数据结构和对实验结果的推测作出的判断，如有错误，恳请指正！

到此这篇关于MySQL 大表的count()优化实现的文章就介绍到这了,更多相关MySQL 大表count()优化内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！