为什么从大表查询COUNT（）比SUM（）快得多

Question

我有一个带有下表的数据仓库：

主要

约800万条记录

CREATE TABLE `main` (
`id` int(10) unsigned NOT NULL AUTO_INCREMENT,
`cid` mediumint(8) unsigned DEFAULT NULL, //This is the customer id
`iid` mediumint(8) unsigned DEFAULT NULL, //This is the item id
`pid` tinyint(3) unsigned DEFAULT NULL, //This is the period id
`qty` double DEFAULT NULL,
`sales` double DEFAULT NULL,
`gm` double DEFAULT NULL,
PRIMARY KEY (`id`),
KEY `idx_pci` (`pid`,`cid`,`iid`) USING HASH,
KEY `idx_pic` (`pid`,`iid`,`cid`) USING HASH
) ENGINE=InnoDB AUTO_INCREMENT=7978349 DEFAULT CHARSET=latin1

期

该表大约有50条记录，并且具有以下字段

• ID
• 月
• 年

顾客

大约有23,000条记录，以下文件

• ID
• 数字//此字段是唯一的
• name //这只是一个描述字段

以下查询运行非常快（不到1秒），并返回大约2,000：

select count(*) 
from mydb.main m 
INNER JOIN mydb.period p ON p.id = m.pid 
INNER JOIN mydb.customer c ON c.id = m.cid 
WHERE p.year = 2013 AND c.number = 'ABC';

但是此查询要慢得多（超过45秒），与前面的查询相同，但是总和而不是计数：

select sum(sales)
from mydb.main m 
INNER JOIN mydb.period p ON p.id = m.pid 
INNER JOIN mydb.customer c ON c.id = m.cid 
WHERE p.year = 2013 AND c.number = 'ABC';

当我解释每个查询时，我唯一看到的区别是在'count（）'查询上，'Extra'字段显示为'Using index'，而对于'sum（）'查询，该字段为NULL。

说明count（）查询

| id | select_type | table | type  | possible_keys        | key          | key_len | ref                 | rows | Extra       |
|  1 | SIMPLE      | c     | const | PRIMARY,idx_customer | idx_customer | 11      | const               |    1 | Using index |
|  1 | SIMPLE      | p     | ref   | PRIMARY,idx_period   | idx_period   | 4       | const               |    6 | Using index |
|  1 | SIMPLE      | m     | ref   | idx_pci,idx_pic      | idx_pci      | 6       | mydb.p.id,const     |    7 | Using index |

解释sum（）查询

| id | select_type | table | type  | possible_keys        | key          | key_len | ref                 | rows | Extra       |
|  1 | SIMPLE      | c     | const | PRIMARY,idx_customer | idx_customer | 11      | const               |    1 | Using index |
|  1 | SIMPLE      | p     | ref   | PRIMARY,idx_period   | idx_period   | 4       | const               |    6 | Using index |
|  1 | SIMPLE      | m     | ref   | idx_pci,idx_pic      | idx_pci      | 6       | mydb.p.id,const     |    7 | NULL        |

• 为什么count（）比sum（）快得多？ 它不应该同时使用索引吗？
• 我怎样做才能使sum（）更快？

提前致谢！

编辑

所有表都表明它正在使用Engine InnoDB

另外，请注意，如果我只是执行“ SELECT *”查询，则运行速度非常快（不到2秒）。 我希望'SUM（）'不应该花更长的时间，因为SELECT *无论如何都必须检索行...

解决了

这是我所学到的：

• 由于sales字段不是索引的一部分，因此它必须从硬盘驱动器中检索记录（可能有点慢）。
• 我对此不太熟悉，但是看起来可以通过切换到SSD（固态驱动器）来提高I / O性能。 我将不得不对此进行更多研究。
• 现在，我认为我将创建另一层摘要，以便获得所需的性能。
• 我将主表上的索引重新定义为（pid，cid，iid，sales，gm，qty），现在sum（）查询的运行速度非常快！

谢谢大家！

Answer 1

索引是键行的列表。

当您执行count()查询时，可以忽略数据库中的实际数据，而只使用索引。

当您执行sum(sales)查询时，必须从磁盘读取每一行以获取销售数据，因此要慢得多。

此外，可以批量读取索引，然后在内存中进行处理，而磁盘访问将随机破坏驱动器，以尝试从磁盘读取行。

最后，索引本身可能具有计数汇总（以帮助计划生成）

更新

您的表上实际上有三个索引：

PRIMARY KEY (`id`),
KEY `idx_pci` (`pid`,`cid`,`iid`) USING HASH,
KEY `idx_pic` (`pid`,`iid`,`cid`) USING HASH

因此，您仅在id ， pid ， cid ， iid列上具有索引。 （顺便说一句，大多数数据库足够聪明，可以组合索引，因此您可能可以对索引进行一些优化）

如果您添加了其他键（例如KEY idx_sales(id,sales) 可以提高性能，但是鉴于销售值可能会以数字形式分配，那么您将为更新添加额外的性能成本，这可能是一件坏事

Answer 2

简单的答案是count()仅对行进行计数。 这可以通过索引来满足。

sum()需要标识每一行，然后获取页面以获取sales列。 这增加了很多开销-每行大约加载一页。

如果将sales添加到索引中，那么它也应该非常快，因为它不必获取原始数据。