› MySQL 5.5 Community Server
› MySQL 5.6 Community Server
› Percona Configuration Wizard
› XtraBackup 搭建主从复制
Great Sites on MySQL
› Percona
› MySQL Performance Blog
› Severalnines
推荐管理工具
› Sequel Pro
› phpMyAdmin
推荐书目
› MySQL Cookbook
MySQL 相关项目
› MariaDB
› Drizzle
参考文档
› http://mysql-python.sourceforge.net/MySQLdb.html
MySQL 相关项目
› MariaDB
› Drizzle
参考文档
› http://mysql-python.sourceforge.net/MySQLdb.html
目前有个流水表，大几千万的数据，可以简化如下：
会员号（ member_id), 流水日期（ trans_date)
有个需求，需要找出指定日期段内的会员数量（去重）
这个日期段时灵活的，可能时本月，本周，最近 7 天，最近 30 天
有什么方法能优化
1. 没办法根据日期段做汇总结果的统计表,因为日期段没有任何规律
2. 数据库为 mysql,目前用的 sum(distinct member_id) where trans_date between
会员号（ member_id), 流水日期（ trans_date)
有个需求，需要找出指定日期段内的会员数量（去重）
这个日期段时灵活的，可能时本月，本周，最近 7 天，最近 30 天
有什么方法能优化
1. 没办法根据日期段做汇总结果的统计表,因为日期段没有任何规律
2. 数据库为 mysql,目前用的 sum(distinct member_id) where trans_date between
29 条回复 • 2024-09-07 00:25:18 +08:00
 |
1
wenxueywx 10 天前
写错了？ 统计数量怎么会用 sum 应该用 count 吧
没理解根据日期做汇总结果的统计表什么意思 |
 |
2
asAnotherJack 10 天前
怎么是 sum 呢，不该是 count 吗
|
 |
4
ZZ74 10 天前
优化 ？现在是碰到什么问题了 查询慢？
|
 |
5
sagaxu 10 天前
按一个月不超过 300 万数据增量估算，有联合索引(trans_date, member_id)，低频词的在从库里查 1 个月也 OK
|
 |
6
8355 10 天前
我倾向于用其他数据库做 例如 clickhouse 或着其他大数据方向的数据库计算，并不是用关系型数据库。
如果可以接受不是很精准的话可以用布隆过滤器 |
 |
7
x1n04 10 天前
type 看看，再加点索引呢。
|
|
8
wenxueywx 10 天前
实时查询就行了，没必要将汇总结果缓存吧，主要在 trans_date 字段上设计索引。如果 select 没有其它字段的话就加上 member_id 做个联合索引，直接使用覆盖索引查询。
|
 |
9
NoOneNoBody 10 天前
我只知道 pandas 做这个甚为简单，sql 就不晓得了
|
 |
10
kkbear OP 加索引也慢，估计是去重数据太多了
|
 |
12
akiakise 10 天前 via iPhone
提供一个思路，离线算出来过去每天的去重会员数保存到一个新表里，查询的时候直接按时间范围 sum 新表就行了
|
 |
13
clf 10 天前
先 explain 看看怎么走的索引呗。
|
 |
14
xmumiffy 10 天前 via Android
建个新表就存每日去重后你要的数据，你说的“简化”，实际搜索时还是被其他列影响了。
建个日期加会员号的索引 |
|
16
8355 10 天前
@kkbear #11 因为这种需求就是 mysql 做也能做，但是随着数据量的增长只会越来越痛苦，感觉早点换方案更好，到这个数据量了一年加个小几万来解决这种问题感觉是比较超值的，不然在 mysql 凑合最后还是要迁移重做一遍。
|
 |
17
hhhzccc 10 天前
上报表系统吧
|
 |
18
rockyliang 10 天前
@akiakise 你这思路肯定不行啊，求 N 天的去重数量，不能简单的将每天的去重数量加起来
|
 |
19
pkoukk 10 天前
沟通需求，把查询时间的粒度从秒提升到小时或者天，我相信运营不会看精确到秒的粒度数据。
然后按粒度把数据统计成二级表，查询从二级表 sum |
 |
20
Mithril 10 天前  1
主要还是看你的需求到底是什么，是要精确结果，还是一个近似估计。而且也要看数据分布是怎样的，平均查询覆盖的数据量有多少。
比如说你这几千万数据是好几年的，每天其实都没多少，那就先拆表，再限制查询范围不能跨边界，结果就能好不少。 OLAP 在这种大规模去重统计上，是用 HyperLogLog 去算近似值的。如果你一定要精确结果，那它也会非常慢的（还是要比你 mysql 快）。 所以如果你数据量比较集中，只要个有一定精度的近似值，而且以后还有这类统计分析的需求，那就上个 OLAP 数据库。但这不只是增加了系统复杂度，而且数据同步，OLAP 数据库的备份还原等等你都要考虑到。 如果一定要精确值，而且以后也没这类需求。想办法在现有数据库上改进也可以的。 |
 |
21
ZGame 10 天前
你这就一个表 直接推到 es 里查就很快了吧....
|
|
22
ZGame 10 天前
1.先搞个从库,然后查询。
2.如果查询速度不满足效率,先加索引,数据库层面的优化 3.如果还是不行,把数据同步到 es 或者其他 mpp 并查询。 |
 |
23
hero1874 10 天前
搞 OLAP 数据库吧 StarRocks Doris ClickHouse 都行，不过 ck 运维很麻烦。。
StarRocks Doris 可以用 catalog ，直接取到 mysql 的数据，然后再计算也还不错 |
 |
24
cnbatch 10 天前
简单粗暴的解决办法
建个新的表（以下称之为“日期表”），只需两个 column: timestamp 、会员号(member_id) 然后把流水表的数据逐条拆分写入这个“日期表”，顺便修改下原程序的代码，更新流水表的同时也要写入“日期表” |
 |
25
chainal7777 10 天前
按天出汇总啊，楼上说 olap 的，我感觉还不如 mysql 呢
|
 |
26
Biggoldfish 10 天前 via Android
这种量级的数据和简单的需求，任何正常的 OLAP db 都是闭眼出结果吧
|
 |
27
srlp 10 天前 via iPhone
直接 doris 闭眼出。
面试的话，构建 memberid-活跃日期 bitmap 表 |
 |
28
loveaeen 10 天前
增加中间件也就增加了额外维护成本，按楼上说的。每日汇总数据数量，日期段只查汇总表也挺好的。
|
 |
29
oaix 10 天前
如果不用追求 100%准确，并且时间段最小粒度是天。可以每天算一个 hyperloglog ，存起来。查询的时候把对应日期的 hyperloglog 合并起来。
|
Select Language