Hello 大家好，我是猿java。
在实际开发工作中，难免会使用到 MySQL 的 count(expr) 函数进行统计操作，但是，对于count(1)、count(*)、count(常量)、count(主键)、count(非主键)、count(distinct(字段)) 等多个函数，很多开发人员因为缺乏原理性的了解，往往会比较困惑选择哪一种，特别是在加 where 条件时，更加担心会不会造成性能问题，今天我们就来聊聊这些 count(expr) 函数背后的实现原理以及它们的执行效率，帮你胸有成竹的选择合适具体函数。
申明：本文基于 MySQL 8.0.30，数据库引擎为 InnoDB引擎 和 MyISAM引擎；
本文的count(expr)操作都是基于不加 where条件
如果需要mac本地安装 MySQL，参考：macOS M1 源码安装 MySQL8 版本
背景
count(expr) 是 MySQL 的一个聚合函数，函数接收一个 expr 表达式，expr 表达式可以是 NULL、可以是列名，可以是常量，其他任意表达式都可以，它有 2个重要的作用：统计某个列值的数量以及统计表行数。在统计列数量时只统计列值不为 NULL 的总数，统计表总行数时不做限制。 为了更好地展开本文的讲解，需要先创建 user 和 person 两张表，user 表使用 InnoDB 引擎，person 表使用 MyISAM 引擎，表创建完成后，查看它们在磁盘上的文件信息对比，具体对比如下截图：
从上述截图可以看出：
在使用 MyISAM引擎的 person表中，表定义，数据，索引是分三个文件存储，如下：
- person_365.sdi，存储 person表定义，sdi（Serialized Dictionary Information，序列化字典信息），MySQL 8.0引入，以前的版本是 .frm；
- person.MYD，存储 person表数据，MYD（MyISAM Data）；
- person.MYI，存储 person表索引，MYI（MyISAM Index）；
在使用 InnoDB引擎的 user表中，表定义，数据，索引都存放在一个文件中，如下：
- user.ibd，ibd（innodb data）
接下来正式分析各个count(expr)操作
count(*)
对于 MyISAM 引擎，会把表的总行数存在了磁盘上（存放在 information_schema 库中的 PARTITIONS 表中），在不加 where 条件时，执行 count( ) 时会直接返回这个总数，因此效率很高，但是在加 where 限定语句的时候 MySQL 需要对全表进行检索从而得出 count 的总数。 而 InnoDB 引擎并没有像 MyISAM 那样把表的总行数存储在磁盘，而是在执行 count( )时，在不加 where 限定语句时，MySQL Server 层需要把数据从引擎里面读出来，然后逐行累加得出总数；如果加了 where 限定语句，需要根据 where 条件从引擎里面筛选出数据，然后累加得出总数。 下图展示了 MyISAM 引擎磁盘存储数据总行数：
为了更好地理解两种引擎中 count( )的差异，我们可以比较count( ) 在 user 表和 person 表 中的执行计划，结果如图：
从上述执行计划的截图可以看出：
- InnoDB 引擎执行计划显示 rows = 2（全表只有 2 行数据），说明需要扫描全表，Extra 里面的内容是 “Using index”，说明该 count( ) 操作使用了索引（主键索引）。
- MyISAM 引擎执行计划显示 rows = NULL，说明不需要扫描表，Extra 里面的内容是 “Select tables optimized away”，它的意思是：MyISAM 表以单独的行数存储总数，执行 count 查询时，MySQL 不需要查看任何表行数据，而是将预先计算的行数立即返回。
那么，为什么 InnoDB引擎不能像 MyISAM引擎一样，把表的数据总数存起来，而是需要扫描全表呢？
这是因为 InnoDB引擎可以支持事务，默认的隔离级别是 Repeatable Read（可重复读，指的是一个事务执行过程无法看到其它事务未提交的数据），而可重复读又是通过多版本并发控制（MVCC）来实现的，MVCC更直白的表述是：一行记录在不同的事务中表现的结果值是不一样的，呈现出一行记录多种版本数据。 关于 MVCC可以参照下面的图来理解：
为了更好地说明 InnoDB 引擎为什么不把数据总行数存磁盘，这里通过一个案例进行解析：假设有两个事务 sessionA，sessionB
- sessionA 先启动一个事务，然后 select count(*) from user 统计总行数；
- sessionB 也启动事务，先执行一次 select count( ) from user，然后插入一行数据，再 select count( ) from user，统计总行数；
执行顺序流以及截图如下：
| sessionA | sessionB |
|---|---|
| #开启事务 begin; | |
| select count(*) from user; | |
| select count(*) from user; | |
| #插入一条数据 insert into user(id,age) values(3,30); | |
| select count(*) from user; | select count(*) from user; |
通过运行结果截图，我们可以看出，sessionB 新增一条记录后，在未 commit 提交事务前，sessionA 的 count( ) 操作并没有把这条数据统计进去，符合可重复读隔离级别的要求，假如 InnoDB 也像 MyISAM 一样把行的总数存在磁盘上，那么 sessionA 和 sessionB 的 count( ) 结果值相同，也就是说 sessionA 和 sessionB 最后一次 count(*) 的结果值都是 3，这显然就违背了可重复读隔离级别的要求。
所以，通过该案例的分析也刚好验证了上述 explain count(*) 的执行计划，InnoDB引擎需要全表扫描。
有人说，在使用 InnoDB 引擎的 user表上执行 “show table status” 指令，结果中的 ROWS 字段就是表的总行数，快捷方便，效率高。那么，可行吗？
方法是否有效，我们还是用事实说话，我们可以执行”show table status”指令，执行顺序流和结果截图如下：
| sessionA | sessionB |
|---|---|
| #开启事务 begin; | #开启事务 begin; |
| select count(*) from user; | |
| select count(*) from user; | |
| #插入一条数据 insert into user(id,age) values(3,30); | |
| select count(*) from user; | select count(*) from user; |
| show table statusG | show table statusG |
通过运行结果截图可以看出，sessionA的 count(*)结果和 “show table status”指令结果中的 ROWS值相等，但是在 sessionB中两个值就不一样，因此说，通过 “show table status”来统计总数，结果值是不准确的。
按照 MySQL官方的说法： “show table status”命令显示行数的误差率在 40% ~ 50%。
show table status 查询的是系统 information_schema 库中的 TABLES 表，关于表字段可以参考官方文档：TABLES 官方文档
需要说明的是：尽管 InnoDB引擎的 count( * )操作需要扫描全表，但是 MySQL还是有做过优化处理，具体优化如下：
因为 InnoDB引擎采用的是聚簇索引机制，主键索引的叶子节点存放了数据，而普通索引的叶子节点存放的是主键值。因此，不管遍历哪一棵索引树，count(*)的结果都是一致的，所以，MySQL优化器会找到最小的那棵索引树进行遍历，这样尽管扫描的行数没有减少，但是针对每行记录获取的数据量减少了，因此性能就提升了。
有了上述对 count( * )的讲解，我们分析和理解其他几种 count(expr)操作就会轻松很多，在 InnoDB引擎中，count(expr) 是一个聚合函数，对于引擎返回的结果集，MySQL Server会逐行判断，count(参数)函数最终就是统计”参数不是 NULL”的总数作为结果值。
count(主键)
count(主键)的执行逻辑为：InnoDB引擎会遍历整张表，然后取出每一行的主键值并返回给 MySQL Server层，Server层拿到引擎的结果值后，统计主键总数量。
count(1)
count(1)的执行逻辑为：InnoDB引擎遍历整张表，但是不会取数据值，MySQL Server层对于引擎返回的每一行记录都放置一个数字“1”，最终再统计包含 1的总行数。
所以，count(1)操作要比 count(主键)快。因为count(主键)需要从引擎返回主键值，过程中会涉及到数据行的解析，字段值的拷贝等I/O操作。
count(非主键字段)
count(非主键字段)操作有些特殊，我们先看一张截图：
如上述截图：
InnoDB引擎的 user表中最开始有 3条数据，然后执行 insert into user(id,age) values (4,NULL); 插入一条 age=NULL的数据，各种count(expr)的结果为：
- count(*) = 4；
- count(1) = 4；
- count(id) = 4;
- count(age) = 3;
MyISAM引擎的 person表中最开始有 3条数据，然后执行 insert into person(id,name) values (4,NULL); 插入一条 name=NULL的数据，各种count(expr)的结果为：
- count(*) = 4；
- count(1) = 4；
- count(id) = 4;
- count(name) = 3;
从结果可以发现，不管是使用了InnoDB 引擎的user，还是使用了 MyISAM引擎的 person表，通过 count(非主键)方式进行统计时，表的总行数就会比其他几种 count(expr)方式少 1 条，为什么呢？
这是因为：count(非主键) 只统计非主键字段值不为NULL的总数。
源码分析
从上面的理论分析后，我们再从源码角度看下 MySQL 是如何实现 count(expr) 的，MySQL的源码是 C++实现的。count() 函数的实现源码是 item_sum.cc 文件，在 server 端维护了一个 count 变量来记录 count(expr) 的结果值，源码截图如下：
接着看下 arg_is_null() 函数的源码实现，截图如下：
其中 item[i] 表示的就是 count(expr) 函数中 expr 表达式的内容，可以通过调试看下 item[i] 的值是什么。
count(*) 调试结果如下：
上述截图可以看出，当expr=* 时，在MySQL源码中会把的值当做 longlong 类型的0 处理，因此 count() 就转换成 count(0) 了。
count(1) 调试结果如下：
在MySQL源码中会把count(1)中的expr=1直接当做 longlong 类型的1 处理，解释了 count(1)，也就很好理解 count(数字常量)这些统计操作了。
count(字段名) 调试结果如下：
通过截图可以看到，当 expr=字段名，对应的类型是Item_field，代表一个字段。
温馨提示：因为历史原因，C++中的 longint相当于Java中的int，longlong其实相当于Java中的long。
最后将InnoDB count(expr)整个过程笼统地归纳为下图：
总结
count(expr)函数的参数 expr可以是任意表达式，该函数用于统计在符合搜索条件的记录总数；
通过上面的对比和分析，我们可以得出 count(expr)函数按照执行效率从低到高依次排序为：
count(非主键字段) < count(主键) < count(1) ≈ count( * )
因此，count(1) 或者 count( * )的效率最高。对于这两种方式的选择，建议尽量使用 count( * )，因为 MySQL优化器会选择最小的索引树进行统计，我们把这个优化的问题交给 MySQL优化器去解决。
count( * )、count(主键)、count(1) 都是返回满足条件的结果总行数；而 COUNT( *) 它返回检索到的行数，无论它们是否包含 NULL值，count(非主键字段），统计”非主键字段”不为 NULL 的总行数。
在生产中，如果对数据不要求特别精确，可以使用 “show table status” 方式获取；
如果没有匹配的行，则 count(expr)返回 0。COUNT(NULL)返回 0；
对于 InnoDB 引擎，如果表只有一个主键索引，没有任何二级索引的情况下，那么 count( ) 和 count(1) 都是通过通过主键索引来统计行数。如果表有二级索引，则 count( ) 和 count(1) MySQL优化器会选择最小的索引树进行统计。
参考文献
MySQL-server github源码
MySQL 8.0官方文档
MySQL 8.0 MyISAM引擎官方文档
MySQL 8.0 聚合函数官方文档
