Question

由于SnowFlake是列式数据库，因此当您使用COUNT（*）vs COUNT（列）时，是否会影响性能？这是假设您要引用的列没有任何NULL

Answer 1

count(column)具有理论上的开销，即数据库需要检查每一行的值确实不是NULL，而对于count(*)则永远不需要。

使用count(*)，数据库还可以自由选择任何索引以加快计数速度，而使用count(column)，则强制强制遍历所有值，而不用例如主键索引。

一个好的优化程序可能会使两个版本都做同样的事情（假设存在NOT NULL约束），但是count(*)留下了更多的可能性。

Answer 2

正如a_horse_with_no_name所解释的，这两个函数是不同的，但是您已经提到该列没有NULL值。因此，在您的情况下，它们应该返回相同的结果。

更重要的是，Snowflake对COUNT函数进行了特殊的优化。据我所知，即使您使用COUNT（*）或COUNT（column），它也不会不会影响性能，即使列中包含NULL值也是如此！对于这两者，Snowflake使用METADATA统计信息，因此它实际上并不计算行数。

您可以使用SNOWFLAKE_SAMPLE_DATA对其进行测试：

select count(*) from snowflake_sample_data.TPCH_SF1000.LINEITEM;
-- 5999989709

select count(L_ORDERKEY) from snowflake_sample_data.TPCH_SF1000.LINEITEM;
-- 5999989709

这两个查询都将立即返回结果，尽管表大小约为170G，并且包含5G以上的行。

雪花中的COUNT（*）与COUNT（列）性能

2 个答案: