关于关系数据库如何快速查询表的记录数详解
前言
在数据库中，很多人员习惯使用SELECT COUNT（*） 、SELECT COUNT（1) 、SELECT COUNT(COL)来查询一个表有多少记录，对于小表，这种SQL的开销倒不是很大，但是对于大表，这种查询表记录数的做法就是一个非常消耗资源了，而且效率很差。狼蚁网站SEO优化介绍一下SQL Server、 Oracle、MySQL中如何快速获取表的记录数。
SQL SERVER 数据库
在SQL Server数据库中, 对象目录视图sys.partitions中有一个字段rows会记录表的记录数。我们以AdventureWorks2014为测试数据库。
SELECT OBJECT_NAME(object_id) AS Object_Name,
i.name AS Index_Name,
p.rows AS Table_Rows
FROM sys.partitions p
LEFT JOIN sys.sysindexes i ON p.object_id = i.id AND p.index_id = i.indid
WHERE
object_id = OBJECT_ID('TableName')
那么我们还有一些疑问，我们先来看看这些问题吧！
1：没有索引的表是否也可以使用上面脚本？
2：只有非聚集索引的堆表是否可以使用上面脚本？
3：有多个索引的表，是否记录数会存在不一致的情况？
4：统计信息不准确的表，是否rows也会不准确
5: 分区表的情况又是怎么样？
6：对象目录视图sys.partitions与sp_spaceused获取的表记录函数是否准确。
如下所示，我们先构造测试案例：
IF EXISTS(SELECT 1 FROM sys.objects WHERE type='U' AND name='TEST_TAB_ROW') BEGIN DROP TABLE TEST_TAB_ROW; END IF NOT EXISTS(SELECT 1 FROM sys.objects WHERE type='U' AND name='TEST_TAB_ROW') BEGIN CREATE TABLE TEST_TAB_ROW ( ID INT, NAME CHAR(200) ) END GO SET NOCOUNT ON; BEGIN TRAN DECLARE @Index INT =1; WHILE @Index <= 100000 BEGIN INSERT INTO TEST_TAB_ROW VALUES(@Index, NEWID()); SET @Index+=1; IF (@Index % 5000) = 0 BEGIN IF @@TRANCOUNT > 0 BEGIN COMMIT; BEGIN TRAN END END END IF @@TRANCOUNT > 0 BEGIN COMMIT; END GO
关于问题1、问题2，都可以使用上面脚本， 如下测试所示：
SELECT OBJECT_NAME(object_id) AS Object_Name,
i.name AS Index_Name,
p.rows AS Table_Rows
FROM sys.partitions p
LEFT JOIN sys.sysindexes i ON p.object_id = i.id AND p.index_id = i.indid
WHERE
object_id = OBJECT_ID('dbo.TEST_TAB_ROW')
在表dbo.TEST_TAB_ROW 上创建非聚集索引后，查询结果如下所示：
CREATE INDEX IX_TEST_TAB_ROW ON TEST_TAB_ROW(ID);
我们插入500条记录，此时，这个数据量不足以触发统计信息更新，如下所示， Rows Sampled还是1000000
DECLARE @Index INT =1; WHILE @Index <= 500 BEGIN INSERT INTO TEST_TAB_ROW VALUES(100000 +@Index, NEWID()); SET @Index+=1; END
如下所示，发现sys.partitions中的记录变成了100500了，可见rows这个值的计算不依赖统计信息。
当然，如果你用sp_spaceused，发现这里面的记录也是100500
sp_spaceused 'dbo.TEST_TAB_ROW'
关于问题3：有多个索引的表，是否记录数会存在不一致的情况？
答案：个人测试以及统计来看，暂时发现多个索引的情况下，sys.partitions中的rows记录数都是一致的。暂时没有发现不一致的情况，当然也不排除有特殊情况。
关于问题5: 分区表的情况又是怎么样？
答案：分区表和普通表没有任何区别。
关于问题6：对象目录视图sys.partitions与sp_spaceused获取的表记录函数是否准确？
答案：对象目录视图sys.partitions与sp_spaceused获取的表记录数是准确的。
ORACLE 数据库
在ORACLE数据库中，可以通过DBA_TABLES、ALL_TABLES、USER_TABLES视图查看表的记录数，不过这个值（NUM_ROWS）跟统计信息有很大的关系，有时候统计信息没有更新或采样比例会导致这个值不是很准确。
SELECT OWNER , TABLE_NAME, NUM_ROWS , LAST_ANALYZED FROM DBA_TABLES WHERE OWNER = '&OWNER' AND TABLE_NAME = '&TABLE_NAME'; SELECT OWNER, TABLE_NAME, NUM_ROWS , LAST_ANALYZED FROM ALL_TABLES WHERE OWNER ='&OWNER' AND TABLE_NAME='&TABLE_NAME'; SELECT TABLE_NAME, NUM_ROWS , LAST_ANALYZED FROM USER_TABLES WHERE TABLE_NAME='&TABLE_NAME'
更新统计信息后，就能得到准确的行数。所以如果需要得到正确的数据，最好更新目标表的统计信息，进行100%采样分析。对于分区表，那么就需要从dba_tab_partitions里面查询相关数据了。
SQL>execute dbms_stats.gather_table_stats(ownname => 'username', tabname =>'tablename', estimate_percent =>100, cascade=>true);
MySQL数据库
在MySQL中比较特殊，虽然INFORMATION_SCHEMA.TABLES也可以查到表的记录数，但是非常不准确。如下所示，即使使用ANALYZE TABLE更新了统计信息，从INFORMATION_SCHEMA.TABLES中获取的记录依然不准确
SELECT TABLE_ROWS FROM INFORMATION_SCHEMA.TABLES WHERE TABLE_NAME='table_name'
mysql> SELECT TABLE_ROWS -> FROM INFORMATION_SCHEMA.TABLES -> WHERE TABLE_NAME='jiraissue' -> ; +------------+ | TABLE_ROWS | +------------+ | 36487 | +------------+ 1 row in set (0.01 sec) mysql> select count(*) from jiraissue; +----------+ | count(*) | +----------+ | 36973 | +----------+ 1 row in set (0.05 sec) mysql> analyze table jiraissue; +----------------+---------+----------+----------+ | Table | Op | Msg_type | Msg_text | +----------------+---------+----------+----------+ | jira.jiraissue | analyze | status | OK | +----------------+---------+----------+----------+ 1 row in set (1.41 sec) mysql> SELECT TABLE_ROWS -> FROM INFORMATION_SCHEMA.TABLES -> WHERE TABLE_NAME='jiraissue'; +------------+ | TABLE_ROWS | +------------+ | 34193 | +------------+ 1 row in set (0.00 sec) mysql>
如上所示，MySQL这种查询表记录数的方法看来还是有缺陷的。当然如果不是要求非常精确的值，这个方法也是不错的。
当然，上面介绍的SQL Server、Oracle、MySQL数据库中的方法，还是有一些局限性的。例如，只能查询整张表的记录数，对于那些查询记录数带有查询条件（WHERE）这类SQL。还是必须使用SELECT COUNT(*）这种方法。
总结
以上就是这篇文章的全部内容了，希望本文的内容对大家的学习或者工作具有一定的参考学习价值，谢谢大家对狼蚁SEO的支持。