在数据库业务场景中，经常需要统计主表关联从表后的对应行数，比如统计每个用户的订单数量、每个分类下的商品数量等，很多开发者会尝试用LEFT_JOIN配合COUNT函数实现，但往往会得到不符合预期的结果。
LEFT_JOIN与COUNT的基础逻辑
LEFT_JOIN的作用是保留左表的所有记录，即使右表没有匹配的记录，右表字段会显示为NULL。而COUNT函数有不同的计数规则，这是导致统计结果异常的核心原因。
COUNT函数的常见用法有两种：
- COUNT(*)：统计所有行数，包括右表为NULL的行
- COUNT(列名)：统计指定列非NULL的行数，如果列值为NULL则不计入
常见错误统计写法
假设我们有两个表，用户表user和订单表order，order表通过user_id关联user表的id，现在需要统计每个用户的订单数量。
很多开发者会写出如下错误SQL：
-- 错误示例：统计结果不符合预期 SELECT u.id, u.name, COUNT(*) AS order_count FROM user u LEFT JOIN `order` o ON u.id = o.user_id GROUP BY u.id, u.name;
这段SQL的问题在于，如果某个用户没有订单，LEFT_JOIN后该用户会对应一行记录，右表字段全为NULL，COUNT(*)会把这一行也计入，导致无订单的用户统计结果也是1，显然不符合需求。
正确的统计写法
要准确统计每个用户的订单数量，需要使用COUNT统计右表的非NULL字段，比如右表的主键或者关联字段：
-- 正确示例：统计每个用户的订单数量 SELECT u.id, u.name, COUNT(o.id) AS order_count FROM user u LEFT JOIN `order` o ON u.id = o.user_id GROUP BY u.id, u.name;
这里COUNT(o.id)只会统计order表中id非NULL的行，也就是实际匹配到的订单记录，没有订单的用户对应的o.id为NULL，不会被计入，统计结果就是0，符合预期。
多关联场景的统计优化
如果需要同时统计一个主表关联多个从表的行数，比如统计每个用户的订单数量和评论数量，直接多次LEFT_JOIN可能会导致笛卡尔积，让统计结果翻倍。
比如错误的多关联写法：
-- 错误示例：多关联导致笛卡尔积，统计结果异常 SELECT u.id, u.name, COUNT(o.id) AS order_count, COUNT(c.id) AS comment_count FROM user u LEFT JOIN `order` o ON u.id = o.user_id LEFT JOIN comment c ON u.id = c.user_id GROUP BY u.id, u.name;
这种情况下，如果一个用户有2个订单和3条评论，两次LEFT_JOIN会产生2*3=6行记录，COUNT(o.id)会统计为6，COUNT(c.id)也会统计为6，结果完全错误。
正确的多关联统计写法是对每个从表的统计做子查询，避免笛卡尔积：
-- 正确示例：多关联场景准确统计
SELECT u.id, u.name,
(SELECT COUNT(*) FROM `order` o WHERE o.user_id = u.id) AS order_count,
(SELECT COUNT(*) FROM comment c WHERE c.user_id = u.id) AS comment_count
FROM user u;
这种写法每个子查询独立统计对应从表的行数，不会互相影响，结果准确，在数据量不大的场景下效率也比较高。
性能优化建议
如果关联表的数据量较大，还需要注意以下优化点：
- 给关联字段建立索引，比如
order表的user_id字段，comment表的user_id字段，能大幅提升JOIN或者子查询的效率 - 如果只需要统计行数不需要其他字段，优先使用子查询的方式，避免不必要的字段查询
- 如果业务允许，可以在从表增加冗余的计数字段，比如用户表增加
order_count字段，订单新增时同步更新，统计时直接查主表即可，效率最高
注意：COUNT(1)和COUNT(*)在大部分数据库中的执行效率差异极小，不需要刻意选择，根据可读性选择即可，而COUNT(列名)需要额外判断列是否为NULL，效率略低。