最近做專案開發的時候要對資料庫裡面的資料數量進行統計使用，資料庫的大概有2000w多的資料。資料庫是mysql5.6 用的是遠端連線測試
elect count(*)
執行語句：
select count( *) from t_banlong_push_regdev
執行5次，平均耗時17.5s
select count(1)
select count( 1) from t_banlong_push_regdev
執行5次，平均耗時 18.2s
select count (0)
select count( 0) from t_banlong_push_regdev
執行5次，平均耗時 18.7s
elect count(fid)
select count( fid) from t_banlong_push_regdev
執行5次，平均耗時16.8s
在沒有where的情況下。count（fid）是最快的，count（0）約等於count（1）四個方式的速度不會差很遠
加where條件的情況下測試
count（*）是最快的，count（0）最慢。
網上有人說海量資料一般使用下面這種方法統計，速度會很快。不過得到的不是精準的數量
select rowcnt from sysindexes where id=object_id('table')and keycnt<1
ruby執行緒執行速度測試
首先宣告下，純粹是想看下ruby thread和native thread的差距，並無意貶低ruby.測試結果嚇一跳，不是太快。和native thread相比，實在太慢。很簡單，每次啟動10個ruby thread,做100000次的累加。連續執行10次，求執行平均值。我的工作機,pc 2.8g，...
執行速度對比
2018 04 12 pyspark master spark node1 7077 num executors 100 executor memory 6g executor cores 5 driver memory 1g conf spark.default.parallelism 1000 ...
Mysql執行速度優化
1 create table t select from t old where 1 0 2 create table t like t old 3 create table t 其中 1 最快，但是它取消原來表的有些定義。自增字段 表引擎都變了，如果想要保持一樣的引擎，就在table名稱後邊加上 ...