Serilog:从结构化日志认知到 .NET 工程落地

news2026/4/1 6:39:59
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

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2471103.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…