当前位置: 首页 > article >正文

Serilog:从结构化日志认知到 .NET 工程落地

MySQL 中的 count 三兄弟效率大比拼一、快速结论先看结论再看分析方式 作用 效率 一句话总结count(*) 统计所有行数 最高 我是专业的我为统计而生count(1) 统计所有行数 同样高效 我是 count(*) 的马甲兄弟count(列名) 统计该列非 NULL 的行数 ? 较慢 我挑剔我只数非空值结论用 count(*) 就对了 ?二、代码示例亲测三兄弟的差别准备测试数据-- 创建测试表CREATE TABLE user_test (id INT PRIMARY KEY AUTO_INCREMENT,name VARCHAR(50),age INT,email VARCHAR(100));-- 插入测试数据故意插入一些NULL值INSERT INTO user_test (name, age, email) VALUES(张三, 25, zhangsanexample.com),(李四, NULL, NULL),(王五, 30, wangwuexample.com),(NULL, 28, unknownexample.com),(赵六, 35, NULL);测试查询-- 查看表中的数据SELECT * FROM user_test;/*--------------------------------------| id | name | age | email |--------------------------------------| 1 | 张三 | 25 | zhangsanexample...|| 2 | 李四 | NULL | NULL || 3 | 王五 | 30 | wangwuexample.com || 4 | NULL | 28 | unknownexample.com|| 5 | 赵六 | 35 | NULL |--------------------------------------*/-- 测试1count(*) 统计所有行数SELECT count(*) FROM user_test; -- 结果5 ?-- 翻译老板我有多少行数据全都要-- 测试2count(1) 统计所有行数SELECT count(1) FROM user_test; -- 结果5 ?-- 翻译老板你给我个固定值1我数有多少个1-- 测试3count(列名) 统计非NULL的行数SELECT count(name) FROM user_test; -- 结果4 ?NULL的那行没算SELECT count(age) FROM user_test; -- 结果4 ?NULL的那行没算SELECT count(email) FROM user_test; -- 结果3 ?两个NULL都没算-- 翻译我只数有身份证的人黑户不算三、深入剖析它们到底有啥不同1. 语义区别最重要的区别-- count(*) 是 SQL 标准写法-- 意思给我这个表有多少行数据-- 相当于这个会议室有多少个座位-- count(1) 是 count(*) 的一种写法-- 意思统计有多少个1-- 相当于给每个座位发个苹果最后数苹果-- count(列名) 是统计该列非NULL值的数量-- 意思这个会议室有多少人带了手机-- 相当于检查每个座位如果有人带了手机就计数2. 性能区别神话与现实传说中的误解count(1) 比 count(*) 快 ?count(主键) 最快 ?现实真相MySQL 5.7 及以后版本count(*) 和 count(1) 性能完全相同MySQL 优化器会把它们当作一回事查看执行计划证明EXPLAIN SELECT count(*) FROM user_test;EXPLAIN SELECT count(1) FROM user_test;EXPLAIN SELECT count(id) FROM user_test;-- 你会看到前两个的执行计划完全一样性能排序一般情况count(*) ≈ count(1) ?count(主键列)count(非主键有索引列) ?count(非主键无索引列)为什么 count(列名) 可能更慢-- 假设 email 列有索引SELECT count(email) FROM user_test;/*MySQL 需要1. 读取索引如果该列有索引2. 检查每个值是否为 NULL3. 只计数非 NULL 的如果 email 列没有索引1. 读取整行数据比 count(*) 读的更多2. 检查 email 是否为 NULL3. 只计数非 NULL 的*/3. 特殊情况分析-- 情况1所有列都不允许NULLCREATE TABLE user_not_null (id INT PRIMARY KEY NOT NULL,name VARCHAR(50) NOT NULL);-- 这时候count(*) count(id) count(name)-- 情况2空表 vs NULL值CREATE TABLE empty_table (id INT);SELECT count(*) FROM empty_table; -- 结果0SELECT count(id) FROM empty_table; -- 结果0INSERT INTO empty_table VALUES (NULL);SELECT count(*) FROM empty_table; -- 结果1SELECT count(id) FROM empty_table; -- 结果0 ?四、实际工作中的选择指南场景1统计总行数-- ? 正确做法SELECT count(*) FROM orders;-- ? 错误做法SELECT count(order_id) FROM orders; -- 万一有NULL呢SELECT count(1) FROM orders; -- 能用但不是标准场景2统计有效数据数量-- 统计有多少用户填写了邮箱SELECT count(email) FROM users; -- ? 这个场景就该用 count(列名)-- 统计已完成订单数量假设 status2 是已完成SELECT count(*) FROM orders WHERE status 2; -- ?场景3统计非重复值-- 统计有多少个不同的城市SELECT count(DISTINCT city) FROM users; -- ? count DISTINCT-- 统计有多少个城市排除 NULLSELECT count(DISTINCT city) FROM users; -- DISTINCT 会自动排除 NULL五、性能优化技巧1. 大表优化方案-- 方案1使用近似值适用于统计概览SELECT TABLE_ROWSFROM information_schema.TABLESWHERE TABLE_SCHEMA your_db AND TABLE_NAME big_table;-- 方案2分页总数缓存适用于列表页-- 第一次查询时缓存总数后面定时更新-- 方案3使用汇总表CREATE TABLE stats_daily (date DATE PRIMARY KEY,user_count INT,order_count INT);2. 索引优化-- 为 count(列名) 创建索引CREATE INDEX idx_email ON users(email);-- 但注意count(*) 不一定需要索引InnoDB有优化六、有趣比喻帮你记忆汉堡店排队比喻-- 有10个人在排队买汉堡count(*) 队列里有10个人 ?count(1) 我给每人发个号码牌数有10个牌 ?count(现金) 只有8个人带了现金 ?count(会员卡) 只有5个人有会员卡 ?教室点名比喻-- 教室里有50个座位count(*) 教室有50个座位 ?count(1) 我在每个座位放本书最后数有50本 ?count(学生) 今天来了45个学生上课 ?空座位不算七、总结与最佳实践最终建议统计总行数一律用 count(*)这是 SQL 标准写法性能最优MySQL有专门优化语义最明确统计某列非 NULL 数量用 count(列名)这是它的本职工作不要用它统计总行数关于 count(1)性能与 count(*) 一样但不够标准像方言建议统一用 count(*)性能关键点大表避免频繁 count考虑使用缓存或汇总表为 count(列名) 的列加索引一张图看懂count(*) - 总数 - 最快 - 推荐使用↓count(1) - 总数 - 一样快 - 可用但不标准↓count(主键) - 总数 - 次快 - 主键非NULL时可用↓count(索引列) - 非NULL数 - 较慢 - 有索引时可用↓count(普通列) - 非NULL数 - 最慢 - 谨慎使用记住口诀数总数用星号数非空列名好数字1虽高效不是标准别当宝捣堑字列

相关文章:

Serilog:从结构化日志认知到 .NET 工程落地

MySQL 中的 count 三兄弟:效率大比拼! 一、快速结论(先看结论再看分析) 方式 作用 效率 一句话总结 count(*) 统计所有行数 最高 我是专业的!我为统计而生 count(1) 统计所有行数 同样高效 我是 count(*) 的马甲兄弟…...

AutoHotkey脚本编译指南:3步将.ahk文件转为独立可执行程序

AutoHotkey脚本编译指南:3步将.ahk文件转为独立可执行程序 【免费下载链接】Ahk2Exe Official AutoHotkey script compiler - written itself in AutoHotkey 项目地址: https://gitcode.com/gh_mirrors/ah/Ahk2Exe 你是否曾想过将精心编写的AutoHotkey自动化…...

Phi-3-mini-4k-instruct-gguf入门必看:q4-GGUF量化对中文语义保留的影响实测

Phi-3-mini-4k-instruct-gguf入门必看:q4-GGUF量化对中文语义保留的影响实测 1. 模型简介 Phi-3-mini-4k-instruct-gguf是微软Phi-3系列中的轻量级文本生成模型GGUF版本,特别适合中文场景下的问答、文本改写、摘要生成等任务。这个经过量化的模型版本在…...

Apifox供应链投毒攻击--完整解析

🔴 安全应急通告:Apifox 桌面端供应链投毒与高危凭证窃取事件 一、 事件概述 近期监测到 Apifox 公网 SaaS 版桌面客户端遭遇严重的供应链投毒攻击。攻击者通过劫持合法的运行追踪模块,向用户下发具备凭证窃取、动态执行与持久化能力的恶意 J…...

神州数码无线网络(AC+AP)实战部署与优化指南

1. 神州数码ACAP无线网络部署前的规划准备 第一次接触神州数码无线网络方案时,我被它简洁的架构设计惊艳到了。AC(无线控制器)AP(接入点)的组网模式,特别适合500-2000平米的中型企业办公环境。但在真正动手…...

YOLOFuse实战案例:如何利用红外+RGB融合提升森林火情监测精度

YOLOFuse实战案例:如何利用红外RGB融合提升森林火情监测精度 1. 森林火情监测的痛点与挑战 森林火灾是全球性的生态灾难,每年造成巨大经济损失和生态破坏。传统监测手段主要依赖可见光摄像头和人工巡查,存在明显局限性: 夜间失…...

GB28181视频监控平台EasyCVR助力景区数字化转型,打造一体化视频监控解决方案

随着文旅行业数字化转型进程持续加速,旅游景区的安全管理、服务优化与运营效率提升已成为行业发展的核心诉求。景区场景普遍具有面积广阔、人员流动性强等特点,传统监控方案存在设备兼容性差、可视化管控能力不足等诸多短板,难以满足当前景区…...

FileConverter:重构文件格式转换流程,实现设计师与教育工作者的效率突破

FileConverter:重构文件格式转换流程,实现设计师与教育工作者的效率突破 【免费下载链接】FileConverter File Converter is a very simple tool which allows you to convert and compress files using the context menu in windows explorer. 项目地…...

CCC数字钥匙Release 3实战:如何用BLE/UWB实现无钥匙进入(附避坑指南)

CCC数字钥匙Release 3实战:BLE/UWB无钥匙进入系统开发全解析 当你的手机靠近车辆时,车门自动解锁——这种科幻般的体验正通过CCC数字钥匙Release 3标准变为现实。作为汽车电子工程师,我曾用nRF5340开发板搭配UWB模块完整实现了这套系统&#…...

GLM-4.1V-9B-Base开发入门:PyCharm专业版连接远程解释器进行模型调试

GLM-4.1V-9B-Base开发入门:PyCharm专业版连接远程解释器进行模型调试 1. 为什么需要远程调试 在AI模型开发过程中,我们经常遇到一个典型问题:本地机器性能不足,无法高效运行大型语言模型。GLM-4.1V-9B-Base这类模型通常需要GPU加…...

Qwen2.5-14B-Instruct在AI编剧赛道的突破:像素剧本圣殿Glitch标题交互体验分享

Qwen2.5-14B-Instruct在AI编剧赛道的突破:像素剧本圣殿Glitch标题交互体验分享 1. 像素剧本圣殿:AI编剧的新范式 在数字内容创作领域,剧本创作一直是最具挑战性的任务之一。传统编剧需要花费大量时间构思情节、塑造角色、打磨对白&#xff…...

YOLO-v5实战:用预训练模型快速检测图片中的物体

YOLO-v5实战:用预训练模型快速检测图片中的物体 1. 引言:为什么选择YOLO-v5 在计算机视觉领域,物体检测是一项基础而重要的任务。YOLO(You Only Look Once)系列模型因其速度快、精度高的特点,成为工业界和…...

MinerU智能文档理解镜像:财务报表自动识别实战体验

MinerU智能文档理解镜像:财务报表自动识别实战体验 1. 引言:财务文档处理的痛点与机遇 在财务工作中,我们经常需要处理各种格式的财务报表——PDF扫描件、Excel截图、纸质文档照片等。传统的手工录入方式不仅效率低下,还容易出错…...

Proteus 8实战:手把手教你搭建ATmega16流水灯仿真,并联动真实代码调试

Proteus 8实战:从零构建ATmega16流水灯仿真系统 在嵌入式开发的学习路径上,仿真工具的价值常常被低估。许多开发者习惯直接上手物理硬件,却在遇到问题时陷入漫长的调试循环。Proteus 8提供的虚拟实验室环境,恰好填补了从理论到实践…...

全民养虾潮背后:智能体产业的产业化困局

2026年3月,如果你在科技园区看到有人抱着电脑排长队,或者听到“养虾了吗”的问候,不必感到奇怪。这只“虾”正是开源AI智能体——OpenClaw。从社交平台刷屏的“养龙虾”攻略到GitHub星标数突破27万,超越Linux登顶全球开源项目榜首…...

QGIS插件开发避坑指南:我的第一个批量属性修改工具是怎么炼成的

QGIS插件开发避坑指南:我的第一个批量属性修改工具是怎么炼成的 第一次打开QGIS的Python控制台时,我完全没意识到自己即将踏入一个充满"惊喜"的世界。作为一名有Python基础但缺乏Qt框架经验的开发者,本以为凭借官方文档就能轻松实现…...

幻兽帕鲁启动提示 msvcp140.dll 丢失怎么办?2026最新解决办

心问题: 在 Steam 或其他平台启动《幻兽帕鲁》(Palworld)时,系统弹出“由于找不到 msvcp140.dll,无法继续执行代码”的错误提示,导致游戏无法进入。 简短回答: 幻兽帕鲁 msvcp140.dll 报错的主…...

从预测到归因:手把手教你用因果森林(grf)做特征重要性分析与亚组发现

从预测到归因:手把手教你用因果森林(grf)做特征重要性分析与亚组发现 在金融风控、个性化营销和医疗疗效评估等领域,我们常常面临一个关键问题:干预措施的效果是否存在显著差异?传统分析方法如A/B测试能告诉…...

腾讯VersaViT:多模态视觉理解新标杆

腾讯VersaViT:多模态视觉理解新标杆 【免费下载链接】VersaViT 项目地址: https://ai.gitcode.com/tencent_hunyuan/VersaViT 导语:腾讯最新发布的多模态视觉编码器VersaViT,通过创新的多任务协同训练策略,同时强化语言介…...

新手避坑指南:PX4飞控连接TFmini、LIDAR Lite V3等定高雷达的完整接线与参数配置(QGC实操)

PX4飞控与定高雷达实战:从接线到参数配置的避坑指南 刚拿到PX4飞控和一堆传感器的新手们,面对密密麻麻的接口和参数设置,是不是有种无从下手的感觉?特别是当你需要连接定高雷达时,不同品牌(北醒TFmini、LID…...

实测Qwen3-4B:256K超长上下文,处理长文档、写长文真实案例

实测Qwen3-4B:256K超长上下文,处理长文档、写长文真实案例 1. 引言:为什么关注长上下文能力 在日常工作和创作中,我们经常遇到需要处理超长文档的场景:分析上百页的PDF报告、阅读整本电子书、编写长篇技术文档等。传…...

Redis 用错接口反而更慢?高并发下这几个坑,90% 后端都踩过

前言线上出过一个特别反直觉的故障:接口本来直连 MySQL 跑得好好的,加上 Redis 缓存后,响应时间直接翻倍,CPU 还往上飘。一开始怀疑网络、怀疑 Redis 性能、怀疑代码 Bug,排查一整天才发现:缓存逻辑没错&am…...

Linux服务器日志爆满?5个实用命令快速定位并清理大日志文件

Linux服务器日志爆满?5个实用命令快速定位并清理大日志文件 当服务器磁盘空间告急时,日志文件往往是罪魁祸首。作为系统管理员,我们需要快速定位问题并安全清理,避免服务中断。本文将分享5个核心命令的组合使用技巧,帮…...

通义千问1.8B-Chat部署教程:Supervisor管理服务,稳定运行不中断

通义千问1.8B-Chat部署教程:Supervisor管理服务,稳定运行不中断 1. 项目概述 通义千问1.5-1.8B-Chat-GPTQ-Int4是阿里云推出的轻量级对话模型,经过GPTQ-Int4量化后,显存需求仅约4GB,非常适合在消费级GPU或边缘设备上…...

公交客流统计摄像机系统,能替代监控摄像头吗?

公交车内乘客流量大,安全隐患较多,多年来监控摄像头已经成为车内的标配。随着科技技术的进步,如今公交客流统计摄像机系统,也逐渐部署到了各地公交上。那么公交客流统计摄像机系统,能替代监控摄像头吗?如今…...

Springboot 实现多数据源(PostgreSQL 和 SQL Server)连接

为 HagiCode 添加 GitHub Pages 自动部署支持 本项目早期代号为 PCode,现已正式更名为 HagiCode。本文记录了如何为项目引入自动化静态站点部署能力,让内容发布像喝水一样简单。 背景/引言 在 HagiCode 的开发过程中,我们遇到了一个很现实的问…...

OpenClaw 入门完整教程:从零搭建自托管AI网关

OpenClaw入门到实战:自托管AI网关完整部署指南 作者:鲲鹏AI探索局 | 标签:OpenClaw, AI Agent, 自托管, 多平台聊天, 网关部署 摘要 本文详细介绍OpenClaw——一个开源自托管AI网关的安装、配置和实战部署全过程。通过实际案例演示如何连接T…...

远程协助工具

# 详见:https://mp.weixin.qq.com/s/sY-KrOqpY3C1JUeiELEJNw # 来源:https://chat.qwen.ai/# ToDesk https://www.todesk.com/# 向日葵 https://sunlogin.oray.com/# TeamViewer https://www.teamviewer.com/# AnyDesk https://anydesk.com/ https://any…...

trae中安装mcp报Cannot find package/ERR_MODULE_NOT_FOUND问题

简介 我在trae中安装高德地图的mcp和其他的mcp报出了以下错误,以此记录并分享给大家。 新的改变 node:internal/modules/esm/resolve:204 const resolvedOption FSLegacyMainResolve(pkgPath, packageConfig.main, baseStringified); ^ Error: Cannot find pack…...

Linux 中的硬链接和软连接是什么,二者有什么区别?

在 Linux 文件系统中,**硬链接(Hard Link)和软链接(Soft Link,又称符号链接 Symbolic Link)**是两种不同的文件引用方式。它们都允许用户通过不同的路径访问同一个文件内容,但它们的实现机制、限…...