mysql count 查询效率缓慢

优化总结：

1任何情况下SELECT COUNT() FROM xxx 是最优选择；

2尽量减少SELECT COUNT() FROM xxx WHERE COL = ‘xxx’ 这种查询；

3杜绝SELECT COUNT(COL) FROM tablename WHERE COL = ‘xxx’ 的出现。(其中COL非主键)

环境：

MySQL版本：5045

OS：Windows XP SP3

数据表一：sphinx

+———-+——————+——+—–+———+—————-+

| Field | Type | Null | Key | Default | Extra |

+———-+——————+——+—–+———+—————-+

| id | int(10) unsigned | NO | PRI | NULL | auto_increment |

| til | varchar(100) | NO | | | |

| content | text | NO | | | |

| dataline | int(11) | NO | | | |

+———-+——————+——+—–+———+—————-+

记录数：1120100

查询一：

mysql> select count() as totalnum from sphinx;

+———-+

| totalnum |

+———-+

| 1120100 |

+———-+

1 row in set (000 sec)

查询二：

mysql> select count() as totalnum from sphinx where id>1000;

+———-+

| totalnum |

+———-+

| 1119100 |

+———-+

1 row in set (217 sec)

查询三：

mysql> select count() as totalnum from sphinx where id>1000;

+———-+

| totalnum |

+———-+

| 1119100 |

+———-+

1 row in set (061 sec)

查询四：

mysql> select count() as totalnum from sphinx where id>1000;

+———-+

| totalnum |

+———-+

| 1119100 |

+———-+

1 row in set (061 sec)

查询五：

mysql> select count(id) as totalnum from sphinx;

+———-+

| totalnum |

+———-+

| 1120100 |

+———-+

1 row in set (000 sec)

查询六：

mysql> select count(til) as totalnum from sphinx where id>1000;

+———-+

| totalnum |

+———-+

| 1119100 |

+———-+

1 row in set (1 min 3861 sec)

查询七：

mysql> select count(id) as totalnum from sphinx where id>11000;

+———-+

| totalnum |

+———-+

| 1109100 |

+———-+

1 row in set (061 sec)

查询八：

mysql> select count(id) as totalnum from sphinx;

+———-+

| totalnum |

+———-+

| 1120100 |

+———-+

1 row in set (003 sec)

结论：

在 select count() 没有 where 条件的时候 select count() 和 select count(col) 所消耗的查询时间相差无几。

在 select count() 有 where 条件的时候 select count(col) 所消耗的查询时间 比 select count() 明显多出数量级的时间。

欢迎转载，本文标题：MySQL count() 与 count(col) 查询效率比较

转载请注明原文网址：>

首先分析为什么慢：1 6个子查询，每个子查询都需要建立中间表；2，每个子查询都在做 group by, 重复；3 CASE WHEN 用不了索引，需要扫描所有列； 优化：CASE WHEN 逻辑合并，6个子查询合并为1个查询，做1次 group by，做 join，

1．合理使用索引

索引是数据库中重要的数据结构，它的根本目的就是为了提高查询效率。现在大多数的数据库产品都采用IBM最先提出的ISAM索引结构。索引的使用要恰到好处，其使用原则如下：

●在经常进行连接，但是没有指定为外键的列上建立索引，而不经常连接的字段则由优化器自动生成索引。

●在频繁进行排序或分组（即进行group by或order by *** 作）的列上建立索引。

●在条件表达式中经常用到的不同值较多的列上建立检索，在不同值少的列上不要建立索引。比如在雇员表的“性别”列上只有“男”与“女”两个不同值，因此就无必要建立索引。如果建立索引不但不会提高查询效率，反而会严重降低更新速度。

●如果待排序的列有多个，可以在这些列上建立复合索引（compound index）。

●使用系统工具。如Informix数据库有一个tbcheck工具，可以在可疑的索引上进行检查。在一些数据库服务器上，索引可能失效或者因为频繁 *** 作而使得读取效率降低，如果一个使用索引的查询不明不白地慢下来，可以试着用tbcheck工具检查索引的完整性，必要时进行修复。另外，当数据库表更新大量数据后，删除并重建索引可以提高查询速度。

2．避免或简化排序

应当简化或避免对大型表进行重复的排序。当能够利用索引自动以适当的次序产生输出时，优化器就避免了排序的步骤。以下是一些影响因素：

●索引中不包括一个或几个待排序的列；

●group by或order by子句中列的次序与索引的次序不一样；

●排序的列来自不同的表。

为了避免不必要的排序，就要正确地增建索引，合理地合并数据库表（尽管有时可能影响表的规范化，但相对于效率的提高是值得的）。如果排序不可避免，那么应当试图简化它，如缩小排序的列的范围等。

3．消除对大型表行数据的顺序存取

在嵌套查询中，对表的顺序存取对查询效率可能产生致命的影响。比如采用顺序存取策略，一个嵌套3层的查询，如果每层都查询1000行，那么这个查询就要查询10亿行数据。避免这种情况的主要方法就是对连接的列进行索引。例如，两个表：学生表（学号、姓名、年龄……）和选课表（学号、课程号、成绩）。如果两个表要做连接，就要在“学号”这个连接字段上建立索引。

还可以使用并集来避免顺序存取。尽管在所有的检查列上都有索引，但某些形式的where子句强迫优化器使用顺序存取。下面的查询将强迫对orders表执行顺序 *** 作：

SELECT ＊ FROM orders WHERE (customer_num=104 AND order_num>;1001) OR order_num=1008

虽然在customer_num和order_num上建有索引，但是在上面的语句中优化器还是使用顺序存取路径扫描整个表。因为这个语句要检索的是分离的行的集合，所以应该改为如下语句：

SELECT ＊ FROM orders WHERE customer_num=104 AND order_num>;1001

UNION

SELECT ＊ FROM orders WHERE order_num=1008

这样就能利用索引路径处理查询。

4．避免相关子查询

一个列的标签同时在主查询和where子句中的查询中出现，那么很可能当主查询中的列值改变之后，子查询必须重新查询一次。查询嵌套层次越多，效率越低，因此应当尽量避免子查询。如果子查询不可避免，那么要在子查询中过滤掉尽可能多的行。

5．避免困难的正规表达式

MATCHES和LIKE关键字支持通配符匹配，技术上叫正规表达式。但这种匹配特别耗费时间。例如：SELECT ＊ FROM customer WHERE zipcode LIKE “98_ _ _”

即使在zipcode字段上建立了索引，在这种情况下也还是采用顺序扫描的方式。如果把语句改为SELECT ＊ FROM customer WHERE zipcode >;“98000”，在执行查询时就会利用索引来查询，显然会大大提高速度。

另外，还要避免非开始的子串。例如语句：SELECT ＊ FROM customer WHERE zipcode[2，3] >;“80”，在where子句中采用了非开始子串，因而这个语句也不会使用索引。

6．使用临时表加速查询

7．用排序来取代非顺序存取

以上就是关于mysql count 查询效率缓慢全部的内容，包括:mysql count 查询效率缓慢、多表关联查询效率就很低，有没有只改SQL的优化方案、如何提高mysql数据库查询语句的效率，表里的记录有上亿条，指定了索引还是很慢等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！