「用 COUNT(1) 替代 COUNT(*) 提升效能」是流傳已久的迷思。本文從儲存引擎層面解析三者本質相同、優化器統一處理機制,揭示 COUNT(*) 如何利用最窄非叢集索引掃描,並給出大表計數優化真正有效的策略。
COUNT(*):計算**行數**,不檢查任何欄位是否 NULLCOUNT(1):常數運算式非 NULL → 計算行數COUNT('anything'):同理COUNT(column):計算**該欄位非 NULL 的行數**結論: COUNT(*)、COUNT(1)、COUNT('x') 在所有主流資料庫**語義完全相同、執行計畫完全一致**。
DECLARE @x INT = NULL;
SELECT COUNT(@x); -- 0,因為運算式為 NULL
SELECT COUNT(*) FROM Sales.SalesOrderHeader; -- 31465
SELECT COUNT(1) FROM Sales.SalesOrderHeader; -- 31465
SELECT COUNT('abc') FROM Sales.SalesOrderHeader; -- 31465
環境:AdventureWorks2012.Person.Address
ModifiedDate (DATETIME, 8 bytes) 建索引 → COUNT(*) 使用此索引 
StateProvinceID (INT, 4 bytes) 建索引 → COUNT(*) 改用此索引(更窄) 
-- 計算非 NULL 行數
SELECT COUNT(MiddleName) FROM Person.Person; -- 忽略 NULL
-- 計算複合條件非 NULL
SELECT COUNT(CASE WHEN Color = 'Red' THEN 1 END) FROM Production.Product;
| 策略 | 原理 | 適用場景 | 代價 |
|---|---|---|---|
| 建立單欄最窄非叢集索引 | 掃描最小索引樹 | 頻繁 COUNT(*)、表較大 | 寫入額外維護、佔空間 |
| 觸發器維護計數表 | 單行查詢計數表 | 極高頻 COUNT、可接受最終一致 | 寫入開銷、觸發器複雜度 |
| 應用層快取 | Redis/MemoryCache 緩存計數 | 讀多寫少、容許秒級延遲 | 快取一致性複雜度 |
| 近似計數 | APPROX_COUNT_DISTINCT (2019+) | 統計儀表板、不需精確 | 結果有誤差 |
| 分區表並行掃描 | 並行掃描各分區 | 大分區表、Enterprise Edition | 分區維護複雜度 |
| 迷思 | 事實 |
|---|---|
| COUNT(1) 比 COUNT(*) 快 | 優化器將兩者視為相同運算式,零差異 |
| COUNT(*) 掃描全表所有欄位 | 只掃描最窄索引的鍵值,不讀取資料頁完整行 |
| COUNT(主鍵) 最快 | 主鍵通常是叢集索引(最寬),反而最慢 |
COUNT(*) = COUNT(1)COUNT(*) 掃描全表,**無索引優化**(舊版本),新版已改善下次聽到「把 COUNT(*) 改成 COUNT(1) 優化」,請直接丟出執行計畫對比圖。真正的優化在於**理解優化器如何選擇最窄索引**,並據此設計索引策略或架構層面的計數方案。