SQL查找是否"存在",别再用count了

运维 数据库运维
根据某一条件从数据库表中查询『有』与『没有』,只有两种状态,那为什么在写 SQL 的时候,还要 SELECT COUNT(*) 呢?

根据某一条件从数据库表中查询『有』与『没有』,只有两种状态,那为什么在写 SQL 的时候,还要 SELECT COUNT(*) 呢?

[[355458]]

图片来自 Pexels

无论是刚入道的程序员新星,还是精湛沙场多年的程序员老白,都是一如既往的 COUNT。

目前多数人的写法

多次 REVIEW 代码时,发现如现现象:业务代码中,需要根据一个或多个条件,查询是否存在记录,不关心有多少条记录。

普遍的 SQL 及代码写法如下:

  1. ##### SQL写法: 
  2. SELECT count(*) FROM table WHERE a = 1 AND b = 2 
  3.  
  4. ##### Java写法: 
  5. int nums = xxDao.countXxxxByXxx(params); 
  6. if ( nums > 0 ) { 
  7.     //当存在时,执行这里的代码 
  8. else { 
  9.     //当不存在时,执行这里的代码 

是不是感觉很 OK,没有什么问题?

优化方案

推荐写法如下:

  1. ##### SQL写法: 
  2. SELECT 1 FROM table WHERE a = 1 AND b = 2 LIMIT 1 
  3. ##### Java写法: 
  4. Integer exist = xxDao.existXxxxByXxx(params); 
  5. if ( exist != NULL ) { 
  6. //当存在时,执行这里的代码 
  7. else { 
  8. //当不存在时,执行这里的代码 

SQL 不再使用 COUNT,而是改用 LIMIT 1,让数据库查询时遇到一条就返回,不要再继续查找还有多少条了。

业务代码中直接判断是否非空即可!

根据查询条件查出来的条数越多,性能提升的越明显,在某些情况下,还可以减少联合索引的创建。

总结

COUNT() 有两个非常不同的作用:

它可以统计某个列值的数量,也可以统计行数。在统计列值时要求列值是非空的(不统计 NULL)。

如果在 COUNT() 的括号中定了列或者列表达式,则统计的就是这个表达式有值的结果数。......COUNT() 的另一个作用是统计结果集的行数。当 MySQL 确认括号内的表达式值不可能为空时,实际上就是在统计行数。

最简单的就是当我们使用 COUNT(*) 的时候,这种情况下通配符 * 并不像我们猜想的那样扩展成所有的列,实际上,他会忽略所有列而直接统计所有的行数。

——《高性能MySQL》

不管怎样,我们判断是否存在。只需确定,有和无,而不是,无还是有多少!在有的情况下,直接返回,而不需要继续统计行数!

巧妙的使用 LIMIT 1,获得更高效率,尤其是在某些复杂且不规范的语句中效果更明显!

作者:程序猿囧途

编辑:陶家龙

出处:toutiao.com/i6826511837840802315

 

责任编辑:武晓燕 来源: 今日头条
相关推荐

2020-07-28 17:08:43

SQL数据库

2024-03-14 08:15:18

COUNT(*)数据库LIMIT 1​

2020-12-04 10:05:00

Pythonprint代码

2020-12-02 11:18:50

print调试代码Python

2021-06-09 06:41:11

OFFSETLIMIT分页

2023-10-26 16:33:59

float 布局前段CSS

2021-05-25 09:30:44

kill -9Linux kill -9 pid

2020-12-15 08:06:45

waitnotifyCondition

2021-01-29 11:05:50

PrintPython代码

2020-07-17 07:15:38

数据库ID代码

2022-01-27 07:48:37

虚拟项目Django

2024-06-12 13:54:37

编程语言字符串代码

2022-03-10 10:12:04

自动化脚本Bash

2022-10-27 21:34:28

数据库机器学习架构

2019-03-12 14:48:29

路由器XBOXPS4

2023-06-26 08:20:02

openapi格式注解

2023-09-08 08:35:42

层叠样式表CSS

2023-09-14 12:03:30

空指针判空

2020-12-07 06:05:34

apidocyapiknife4j

2020-05-19 17:09:33

Pandas大数据数据分析
点赞
收藏

51CTO技术栈公众号