---

前言

最近我在公司優化過幾個慢查詢接口的性能，總結了一些心得體會拿出來跟大家一起分享一下，希望對你會有所幫助。

我們使用的數據庫是Mysql8，使用的存儲引擎是Innodb。這次優化除了優化索引之外，更多的是在優化count(*)。

通常情況下，分頁接口一般會查詢兩次數據庫，第一次是獲取具體數據，第二次是獲取總的記錄行數，然后把結果整合之后，再返回。

查詢具體數據的sql，比如是這樣的：`

selectid,namefromuserlimit1,20;

它沒有性能問題。

但另外一條使用count(*)查詢總記錄行數的sql，例如：

selectcount(*)fromuser;

卻存在性能差的問題。

為什么會出現這種情況呢？

基于 Spring Boot + MyBatis Plus + Vue & Element 實現的后臺管理系統 + 用戶小程序，支持 RBAC 動態權限、多租戶、數據權限、工作流、三方登錄、支付、短信、商城等功能

• 項目地址：https://github.com/YunaiV/ruoyi-vue-pro
• 視頻教程：https://doc.iocoder.cn/video/

1 count（*）為什么性能差？

在Mysql中，count(*)的作用是統計表中記錄的總行數。

而count(*)的性能跟存儲引擎有直接關系，并非所有的存儲引擎，count(*)的性能都很差。

在Mysql中使用最多的存儲引擎是：innodb和myisam。

在myisam中會把總行數保存到磁盤上，使用count(*)時，只需要返回那個數據即可，無需額外的計算，所以執行效率很高。

而innodb則不同，由于它支持事務，有MVCC（即多版本并發控制）的存在，在同一個時間點的不同事務中，同一條查詢sql，返回的記錄行數可能是不確定的。

在innodb使用count(*)時，需要從存儲引擎中一行行的讀出數據，然后累加起來，所以執行效率很低。

如果表中數據量小還好，一旦表中數據量很大，innodb存儲引擎使用count(*)統計數據時，性能就會很差。

基于 Spring Cloud Alibaba + Gateway + Nacos + RocketMQ + Vue & Element 實現的后臺管理系統 + 用戶小程序，支持 RBAC 動態權限、多租戶、數據權限、工作流、三方登錄、支付、短信、商城等功能

• 項目地址：https://github.com/YunaiV/yudao-cloud
• 視頻教程：https://doc.iocoder.cn/video/

2 如何優化count（*）性能？

從上面得知，既然count(*)存在性能問題，那么我們該如何優化呢？

我們可以從以下幾個方面著手。

2.1 增加redis緩存

對于簡單的count(*)，比如：統計瀏覽總次數或者瀏覽總人數，我們可以直接將接口使用redis緩存起來，沒必要實時統計。

當用戶打開指定頁面時，在緩存中每次都設置成count = count+1即可。

用戶第一次訪問頁面時，redis中的count值設置成1。用戶以后每訪問一次頁面，都讓count加1，最后重新設置到redis中。這樣在需要展示數量的地方，從redis中查出count值返回即可。

該場景無需從數據埋點表中使用count(*)實時統計數據，性能將會得到極大的提升。

不過在高并發的情況下，可能會存在緩存和數據庫的數據不一致的問題。

但對于統計瀏覽總次數或者瀏覽總人數這種業務場景，對數據的準確性要求并不高，容忍數據不一致的情況存在。

2.2 加二級緩存

對于有些業務場景，新增數據很少，大部分是統計數量操作，而且查詢條件很多。這時候使用傳統的count(*)實時統計數據，性能肯定不會好。

假如在頁面中可以通過id、name、狀態、時間、來源等，一個或多個條件，統計品牌數量。

這種情況下用戶的組合條件比較多，增加聯合索引也沒用，用戶可以選擇其中一個或者多個查詢條件，有時候聯合索引也會失效，只能盡量滿足用戶使用頻率最高的條件增加索引。

也就是有些組合條件可以走索引，有些組合條件沒法走索引，這些沒法走索引的場景，該如何優化呢？

答：使用二級緩存。

二級緩存其實就是內存緩存。

我們可以使用caffine或者guava實現二級緩存的功能。

目前SpringBoot已經集成了caffine，使用起來非常方便。

只需在需要增加二級緩存的查詢方法中，使用@Cacheable注解即可。

@Cacheable(value="brand",,keyGenerator="cacheKeyGenerator")
publicBrandModelgetBrand(Conditioncondition){
returngetBrandByCondition(condition);
}

然后自定義cacheKeyGenerator，用于指定緩存的key。

publicclassCacheKeyGeneratorimplementsKeyGenerator{
@Override
publicObjectgenerate(Objecttarget,Methodmethod,Object...params){
returntarget.getClass().getSimpleName()+UNDERLINE
+method.getName()+","
+StringUtils.arrayToDelimitedString(params,",");
}
}

這個key是由各個條件組合而成。

這樣通過某個條件組合查詢出品牌的數據之后，會把結果緩存到內存中，設置過期時間為5分鐘。

后面用戶在5分鐘內，使用相同的條件，重新查詢數據時，可以直接從二級緩存中查出數據，直接返回了。

這樣能夠極大的提示count(*)的查詢效率。

但是如果使用二級緩存，可能存在不同的服務器上，數據不一樣的情況。我們需要根據實際業務場景來選擇，沒法適用于所有業務場景。

2.3 多線程執行

不知道你有沒有做過這樣的需求：統計有效訂單有多少，無效訂單有多少。

這種情況一般需要寫兩條sql，統計有效訂單的sql如下：

selectcount(*)fromorderwherestatus=1;

統計無效訂單的sql如下：

selectcount(*)fromorderwherestatus=0;

但如果在一個接口中，同步執行這兩條sql效率會非常低。

這時候，可以改成成一條sql：

selectcount(*),statusfromorder
groupbystatus;

使用group by關鍵字分組統計相同status的數量，只會產生兩條記錄，一條記錄是有效訂單數量，另外一條記錄是無效訂單數量。

但有個問題：status字段只有1和0兩個值，重復度很高，區分度非常低，不能走索引，會全表掃描，效率也不高。

還有其他的解決方案不？

答：使用多線程處理。

我們可以使用CompleteFuture使用兩個線程異步調用統計有效訂單的sql和統計無效訂單的sql，最后匯總數據，這樣能夠提升查詢接口的性能。

2.4 減少join的表

大部分的情況下，使用count(*)是為了實時統計總數量的。

但如果表本身的數據量不多，但join的表太多，也可能會影響count(*)的效率。

比如在查詢商品信息時，需要根據商品名稱、單位、品牌、分類等信息查詢數據。

這時候寫一條sql可以查出想要的數據，比如下面這樣的：

selectcount(*)
fromproductp
innerjoinunituonp.unit_id=u.id
innerjoinbrandbonp.brand_id=b.id
innerjoincategoryconp.category_id=c.id
wherep.name='測試商品'andu.id=123andb.id=124andc.id=125;

使用product表去join了unit、brand和category這三張表。

其實這些查詢條件，在product表中都能查詢出數據，沒必要join額外的表。

我們可以把sql改成這樣：

selectcount(*)
fromproduct
wherename='測試商品'andunit_id=123andbrand_id=124andcategory_id=125;

在count(*)時只查product單表即可，去掉多余的表join，讓查詢效率可以提升不少。

2.5 改成ClickHouse

有些時候，join的表實在太多，沒法去掉多余的join，該怎么辦呢？

比如上面的例子中，查詢商品信息時，需要根據商品名稱、單位名稱、品牌名稱、分類名稱等信息查詢數據。

這時候根據product單表是沒法查詢出數據的，必須要去join：unit、brand和category這三張表，這時候該如何優化呢？

答：可以將數據保存到ClickHouse。

ClickHouse是基于列存儲的數據庫，不支持事務，查詢性能非常高，號稱查詢十幾億的數據，能夠秒級返回。

為了避免對業務代碼的嵌入性，可以使用Canal監聽Mysql的binlog日志。當product表有數據新增時，需要同時查詢出單位、品牌和分類的數據，生成一個新的結果集，保存到ClickHouse當中。

查詢數據時，從ClickHouse當中查詢，這樣使用count(*)的查詢效率能夠提升N倍。

需要特別提醒一下：使用ClickHouse時，新增數據不要太頻繁，盡量批量插入數據。

其實如果查詢條件非常多，使用ClickHouse也不是特別合適，這時候可以改成ElasticSearch，不過它跟Mysql一樣，存在深分頁問題。

3 count的各種用法性能對比

既然說到count(*)，就不能不說一下count家族的其他成員，比如：count(1)、count(id)、count(普通索引列)、count(未加索引列)。

那么它們有什么區別呢？

• count(*) ：它會獲取所有行的數據，不做任何處理，行數加1。
• count(1)：它會獲取所有行的數據，每行固定值1，也是行數加1。
• count(id)：id代表主鍵，它需要從所有行的數據中解析出id字段，其中id肯定都不為NULL，行數加1。
• count(普通索引列)：它需要從所有行的數據中解析出普通索引列，然后判斷是否為NULL，如果不是NULL，則行數+1。
• count(未加索引列)：它會全表掃描獲取所有數據，解析中未加索引列，然后判斷是否為NULL，如果不是NULL，則行數+1。

由此，最后count的性能從高到低是：

count(*) ≈ count(1) > count(id) > count(普通索引列) > count(未加索引列)

所以，其實count(*)是最快的。

意不意外，驚不驚喜？

千萬別跟select * 搞混了。