我希望按小时收集计数。但并不是每个小时都出现在我的表格中。
为了确保数据始终包含空时间,我构建了一个小时表,其中包含 2000-2037 年日期时间的小时数。我想我可以将
LEFT JOIN
数据表添加到此表中以跟踪丢失的时间。但我需要帮助才能做到这一点。
表:
date_hour
:
`hour`
2000-01-01 00:00:00
2000-01-01 01:00:00
...
2036-12-31 23:00:00
表
my_data
:
log_date field1
2015-05-01 00:31:00 1000
2015-05-01 04:19:00 2000
2015-05-01 05:19:00 1000
2015-05-01 07:19:00 100
2015-05-01 07:35:00 6000
想要的结果:
hour count
2015-05-01 00:00:00 1
2015-05-01 01:00:00 0
2015-05-01 02:00:00 0
2015-05-01 03:00:00 0
2015-05-01 04:00:00 1
2015-05-01 05:00:00 1
2015-05-01 06:00:00 0
2015-05-01 07:00:00 2
MySQL 尝试:
SELECT
dh.hour,
COUNT(md.*) AS count
FROM
date_hour dh
LEFT JOIN my_data md ON dh.hour = ????md.log_date????
WHERE
dh.hour >= '2015-05-01'
AND dh.hour < '2015-05-02'
GROUP BY
dh.hour
ORDER BY
dh.hour;
完成这些计数的最有效方法是什么?假设每天有 100k-1MM 记录,目标是一次测量至少 30 天的数据。
DATE_FORMAT
去除分钟和秒,例如:
查询
SELECT
dh.hour,
COUNT(md.*) AS count
FROM
date_hour dh LEFT JOIN my_data md
ON dh.hour = DATE_FORMAT(md.log_date, "%Y-%m-%d %H:00:00")
WHERE
dh.hour >= '2015-05-01'
AND dh.hour < '2015-05-02'
GROUP BY
dh.hour
ORDER BY
dh.hour
;
输出
+------------------------+-----------+
| hour | count |
+------------------------+-----------+
| 2015-05-01 00:00:00 | 1 |
| 2015-05-01 01:00:00 | 0 |
| 2015-05-01 02:00:00 | 0 |
| 2015-05-01 03:00:00 | 0 |
| 2015-05-01 04:00:00 | 1 |
| 2015-05-01 05:00:00 | 1 |
| 2015-05-01 06:00:00 | 0 |
| 2015-05-01 07:00:00 | 2 |
| ... trailing hours ... | allzeroes |
+------------------------+-----------+
2015-05-01 08:00:00 之后的所有内容均为零( my_data 中没有数据)
如果您对像
LEFT JOIN
这样的函数或任何其他函数的结果进行DATE_FORMAT
操作,它将产生正确的结果,但它可能会比原来慢得多。如果 @amdixon 的答案中显示的简单方法的性能合适,那么就使用它。
但是,您可以采取一些措施来加快速度。一旦您的表增长到 30M 行(30 天,每天 1M 行),您可能需要考虑它们。
不言而喻,表
date_hour
必须在hour
列上有一个索引(实际上是主键)。当您使用如下搜索条件时,这将有助于快速找到特定日期的几行:
WHERE
date_hour.hour >= '2015-05-01 00:00:00'
AND date_hour.hour < '2015-05-02 00:00:00'
要记住的另一件重要事情 - 如果给定日期有 1M 行并且需要计算当天的计数,那么服务器必须至少读取这 1M 行。你无法避免这一点。读取 1M 行不会很快,但如果整个表有 30M 行,那么只读取 1M 行显然比读取整个表要好。
因此,服务器应该能够有效地找到特定日期的行(阅读 - 应该有一个索引)。 任何在加入时从
log_date
列中动态删除分钟和秒的查询将无法使用索引,因此服务器必须扫描整个表 my_data
。
选项1
在
my_data
.log_date
上添加索引。将显式过滤器添加到 WHERE
子句。它不会改变结果,但希望能给服务器一个很好的提示,以使用 my_data
.log_date
上的索引来查找必要的行并避免完全扫描。也许MySQL足够聪明,当你使用datetime
将DATE_FORMAT
转换为字符串时,它不会将date_hour.hour
也转换为字符串进行比较(从而否定了date_hour.hour
上有索引的事实)。也许不会。我更喜欢以下方法从 datetime
中删除分钟和秒,而不将其转换为字符串。
TIMESTAMPADD(HOUR,
TIMESTAMPDIFF(HOUR,'2015-01-01 00:00:00',DateTimeValue),
'2015-01-01 00:00:00')
我们可以使用任何常量来代替“2015-01-01”,只要它没有分钟和秒。可以使用相同的方法将
datetime
截断为任何其他边界 - 分钟、日、周、月、年。
SELECT
date_hour.hour,
COUNT(my_data.log_date) AS count
FROM
date_hour
LEFT JOIN my_data ON
date_hour.hour = TIMESTAMPADD(HOUR, TIMESTAMPDIFF(HOUR,'2015-01-01 00:00:00',my_data.log_date), '2015-01-01 00:00:00')
WHERE
date_hour.hour >= '2015-05-01 00:00:00' AND
date_hour.hour < '2015-05-02 00:00:00' AND
my_data.log_date >= '2015-05-01 00:00:00' AND
my_data.log_date < '2015-05-02 00:00:00'
GROUP BY
date_hour.hour
ORDER BY
date_hour.hour
;
即使服务器使用
date_hour
和 my_data
上的索引来查找必要的行,它仍然必须根据函数的结果进行连接,并且对于 1M 行,这可能会很困难。最有可能的是,它必须将函数的 1M 结果存储到临时表中,对其进行排序,然后连接。这些类型的排序通常很昂贵,特别是如果它们不是在内存中完成的(对于 1M 行,很可能是在磁盘上完成的)。
选项2
为了进一步优化这一点并避免动态操作
datetime
,我会考虑向 log_hour
表添加一个持久列 my_data
,该列将与主列 log_date
一起填充并包含 log_date
不带分钟和秒的值。您可以将其视为预先计算或缓存。一旦您在此列上建立了索引log_hour
,服务器应该能够有效地查找和连接找到的行。查询变得微不足道,它根本不使用 log_date
列,它只使用 log_hour
:
SELECT
date_hour.hour,
COUNT(my_data.log_hour) AS count
FROM
date_hour
LEFT JOIN my_data ON date_hour.hour = my_data.log_hour
WHERE
date_hour.hour >= '2015-05-01 00:00:00' AND
date_hour.hour < '2015-05-02 00:00:00' AND
my_data.log_hour >= '2015-05-01 00:00:00' AND
my_data.log_hour < '2015-05-02 00:00:00'
GROUP BY
date_hour.hour
ORDER BY
date_hour.hour
;
如果我想知道今天表中每小时更新的记录数。
选择 EXTRACT(HOUR FROM CREATE_TIMSTM) 作为 HOUR,count(*) 来自 SCHEMA.TABLE 其中 trunc(CREATE_TIMSTM) = trunc(sysdate) 按 EXTRACT(HOUR FROM CREATE_TIMSTM)分组 按 EXTRACT(HOUR FROM CREATE_TIMSTM)排序;