↓推荐关注↓

1.  count(1) and count(*)

从执行计划来看，count(1)和count(*)的效果是一样的。

• 当表的数据量大些时，对表作分析之后，使用count(1)还要比使用count(*)用时多！ 
  
• 当数据量在1W以内时，count(1)会比count(*)的用时少些，不过也差不了多少。
• 如果count(1)是聚集索引时，那肯定是count(1)快，但是差的很小。 
• 因为count(*)，会自动优化指定到那一个字段。所以没必要去count(1)，使用count(*)，sql会帮你完成优化的 

• count(1) 会统计表中的所有的记录数，包含字段为null 的记录。
• count(字段) 会统计该字段在表中出现的次数，忽略字段为null 的情况。
  即不统计字段为null 的记录。 
  
  

• count(*)包括了所有的列，相当于行数，在统计结果的时候，不会忽略为NULL的值。  
• count(1)包括了忽略所有列，用1代表代码行，在统计结果的时候，不会忽略为NULL的值。
• count(列名)只包括列名那一列，在统计结果的时候，会忽略列值为空（这里的空不是指空字符串或者0，而是表示null）的计数，即某个字段值为NULL时，不统计。

• 列名为主键，count(列名)会比count(1)快  
• 列名不为主键，count(1)会比count(列名)快  
• 如果表多个列并且没有主键，则 count(1 的执行效率优于 count（*）  
• 如果有主键，则 select count（主键）的执行效率是最优的  
• 如果表只有一个字段，则 select count（*）最优。

create table counttest
(name char(1),
age char(2));
 
insert into counttest values
('a', '14'),
('a', '15'),
('a', '15'),
('b', NULL),
('b', '16'),
('c', '17'),
('d', null),
('e', '');

select name,
count(name),
count(1),
count(*),
count(age),
count(distinct(age))
from counttest
group by name;

结果如下：
长按或扫描下方二维码，后台回复：加群，即可申请入群。一定要备注：来源+研究方向+学校/公司，否则不拉入群中，见谅！
（长按三秒，进入后台）

推荐阅读
梳理了半宿！这或许是最全异常检测方法的总结了！
30 个Python代码实现的常用功能，精心整理版
神器！三行 Python 代码轻松提取 PDF 表格数据
四款可视化工具，解决99%的可视化大屏需求