如何提升MySQL千万级大表Count(*)查询效率？借助Redis或元数据表实现实时统计？

本文共计870个文字，预计阅读时间需要4分钟。

由于InnoDB引擎下默认使用COUNT(*)走全表扫描（即使有主键），不进行二级索引优化，也无法利用查询缓存（MySQL 8.0已移除），当表行数超过1000万、QPS较高时，单次COUNT(*)操作可能耗时2-5秒，甚至更容易阻塞其他DML操作。

用 Redis 做实时计数的实操要点

适合写多读少、允许短暂误差（秒级）的场景，比如「当前在线用户数」「文章总浏览量」。关键不是存总数，而是控制好增减时机和原子性。

• INCRBY 和 DECRBY 必须和业务 SQL 在同一事务中触发 —— 但 Redis 本身不参与 MySQL 事务，所以实际要靠应用层双写 + 补偿：先更新 MySQL，再 INCRBY；失败则记录日志，由后台任务重试
• 不要用 GET + SET 模拟原子增减，会丢数据；必须用 INCRBY
• 为防 Redis 宕机导致计数丢失，建议每天凌晨用 SELECT COUNT(*) FROM t 全量校准一次，写入 SET t:count:backup 作为兜底值
• 如果业务有「软删除」，记得在删除逻辑里同步 DECRBY 1；硬删除则通常已含该逻辑

用元数据表替代 COUNT(*) 的落地方式

比 Redis 更可靠，适合要求强一致的场景，比如「会员总人数」「待审核订单数」。本质是把聚合结果物化成一行一列的普通表。