MySQL 統計列值頻次：GROUP BY + COUNT(1) 高效寫法解析

業務場景

表 material 包含 type 列（值如 'news', 'image', 'video'...），需統計每類型出現次數，且新類型自動納入統計無需改代碼。

標準解法

SELECT `type`, COUNT(1) AS `count`
FROM `material`
GROUP BY `type`;

輸出示例

+--------+-------+
| type   | count |
+--------+-------+
| news   |  1250 |
| image  |   890 |
| video  |   320 |
| audio  |    45 |
+--------+-------+

關鍵點解析

1. COUNT(1) vs COUNT(*) vs COUNT(column)

結論：統計行數統一用 COUNT(1)，語義明確且性能最優。

2. GROUP BY 自動去重聚合

• 將相同 type 值歸為一組
• 新增類型自動出現在結果中，無需維護代碼
• 結果按分組列默認排序（可加 ORDER BY count DESC 按頻次降序）

3. 索引優化

ALTER TABLE `material` ADD INDEX `idx_type` (`type`);

有索引時 GROUP BY type 可走 Index Full Scan（Extra: Using index），避免臨時表 + filesort。

進階變體

多維度統計

SELECT `type`, `status`, COUNT(1) AS `count`
FROM `material`
GROUP BY `type`, `status`
ORDER BY `type`, `count` DESC;

條件過濾統計

SELECT `type`, COUNT(1) AS `count`
FROM `material`
WHERE `create_time` > '2024-01-01'
GROUP BY `type`;

分頁顯示 Top N

SELECT `type`, COUNT(1) AS `count`
FROM `material`
GROUP BY `type`
ORDER BY `count` DESC
LIMIT 10;

避坑指南

1. 不要用子查詢統計：SELECT type, (SELECT COUNT(*) FROM material m2 WHERE m2.type=m1.type) FROM material m1 GROUP BY type 效率極低
2. 注意 NULL 值：type 為 NULL 的行會單獨分為一組，業務上通常需 WHERE type IS NOT NULL 或 COALESCE(type, 'unknown')
3. 大表統計近似值：百萬級以上考慮 EXPLAIN 分析或抽樣統計，避免長時間鎖表

掌握 GROUP BY + COUNT(1) 模式，即可高效解決 90% 的列值頻次統計需求，是 SQL 分析工具箱中的必備基礎招式。