web-dev-qa-db-ja.com

結合されたテーブルの集計値の増分カウントを取得する

MySQL 5.7.22データベースにはpostsとreasonsの2つのテーブルがあります。各投稿行には、多くの理由行があり、それに属しています。各理由には重みが関連付けられているため、各投稿にはtotalの合計重みが関連付けられています。

重みの10ポイントの増分ごとに（つまり、0、10、20、30など）、その増分以下の合計重みを持つ投稿の数を取得したいと思います。その結果は次のようになるはずです。

 weight | post_count
--------+------------
      0 | 0
     10 | 5
     20 | 12
     30 | 18
    ... | ...
    280 | 20918
    290 | 21102
    ... | ...
   1250 | 118005
   1260 | 118039
   1270 | 118040

合計の重みはほぼ正規分布しており、非常に低い値と非常に高い値がいくつかありますが（最大値は現在1277）、大部分は中央にあります。 postsには120,000行未満、reasonsには約120行あります。各投稿には、平均して5つまたは6つの理由があります。

テーブルの関連部分は次のようになります。

CREATE TABLE `posts` (
  id BIGINT PRIMARY KEY
);

CREATE TABLE `reasons` (
  id BIGINT PRIMARY KEY,
  weight INT(11) NOT NULL
);

CREATE TABLE `posts_reasons` (
  post_id BIGINT NOT NULL,
  reason_id BIGINT NOT NULL,
  CONSTRAINT fk_posts_reasons_posts (post_id) REFERENCES posts(id),
  CONSTRAINT fk_posts_reasons_reasons (reason_id) REFERENCES reasons(id)
);

これまでのところ、投稿IDとtotalの重みをビューにドロップし、そのビューをそれ自体に結合して集計カウントを取得しようとしました。

CREATE VIEW `post_weights` AS (
    SELECT 
        posts.id,
        SUM(reasons.weight) AS reason_weight
    FROM posts
    INNER JOIN posts_reasons ON posts.id = posts_reasons.post_id
    INNER JOIN reasons ON posts_reasons.reason_id = reasons.id
    GROUP BY posts.id
);

SELECT
    FLOOR(p1.reason_weight / 10) AS weight,
    COUNT(DISTINCT p2.id) AS cumulative
FROM post_weights AS p1
INNER JOIN post_weights AS p2 ON FLOOR(p2.reason_weight / 10) <= FLOOR(p1.reason_weight / 10)
GROUP BY FLOOR(p1.reason_weight / 10)
ORDER BY FLOOR(p1.reason_weight / 10) ASC;

ただし、これは非常に遅く、15分間は終了せずに実行しましたが、本番環境ではできません。

これを行うより効率的な方法はありますか？

データセット全体のテストに関心がある場合は、ダウンロード可能です here 。ファイルは約60MBで、約250MBに拡張されます。または、GitHub Gist here には12,000行あります。

mysqlaggregatemysql-5.7
10
ArtOfCode

JOIN条件で関数または式を使用することは、通常、悪い考えです。通常、一部のオプティマイザーはそれをかなりうまく処理し、インデックスを利用できるため、通常はそう言います。重みのテーブルを作成することをお勧めします。何かのようなもの：

CREATE TABLE weights
( weight int not null primary key 
);

INSERT INTO weights (weight) VALUES (0),(10),(20),...(1270);

posts_reasonsにインデックスがあることを確認してください：

CREATE UNIQUE INDEX ... ON posts_reasons (reason_id, post_id);

次のようなクエリ：

SELECT w.weight
     , COUNT(1) as post_count
FROM weights w
JOIN ( SELECT pr.post_id, SUM(r.weight) as sum_weight     
       FROM reasons r
       JOIN posts_reasons pr
             ON r.id = pr.reason_id
       GROUP BY pr.post_id
     ) as x
    ON w.weight > x.sum_weight
GROUP BY w.weight;

私の自宅のマシンはおそらく5〜6年前のもので、Intel（R）Core（TM）i5-3470 CPU @ 3.20GHzと8GbのRAMを搭載しています。

uname -a Linux dustbite 4.16.6-302.fc28.x86_64＃1 SMP Wed May 2 00:07:06 UTC 2018 x86_64 x86_64 x86_64 GNU/Linux

私はテストしました：

https://drive.google.com/open?id=1q3HZXW_qIZ01gU-Krms7qMJW3GCsOUP5

MariaDB [test3]> select @@version;
+-----------------+
| @@version       |
+-----------------+
| 10.2.14-MariaDB |
+-----------------+
1 row in set (0.00 sec)


SELECT w.weight
     , COUNT(1) as post_count
FROM weights w
JOIN ( SELECT pr.post_id, SUM(r.weight) as sum_weight     
       FROM reasons r
       JOIN posts_reasons pr
             ON r.id = pr.reason_id
       GROUP BY pr.post_id
     ) as x
    ON w.weight > x.sum_weight
GROUP BY w.weight;

+--------+------------+
| weight | post_count |
+--------+------------+
|      0 |          1 |
|     10 |       2591 |
|     20 |       4264 |
|     30 |       4386 |
|     40 |       5415 |
|     50 |       7499 |
[...]   
|   1270 |     119283 |
|   1320 |     119286 |
|   1330 |     119286 |
[...]
|   2590 |     119286 |
+--------+------------+
256 rows in set (9.89 sec)

パフォーマンスが重要であり、他に何も役に立たない場合は、以下の要約テーブルを作成できます。

SELECT pr.post_id, SUM(r.weight) as sum_weight     
FROM reasons r
JOIN posts_reasons pr
    ON r.id = pr.reason_id
GROUP BY pr.post_id

トリガーを介してこのテーブルを維持できます

ウェイトのウェイトごとに実行する必要がある特定の量の作業があるため、このテーブルを制限すると有益な場合があります。

    ON w.weight > x.sum_weight 
WHERE w.weight <= (select MAX(sum_weights) 
                   from (SELECT SUM(weight) as sum_weights 
                   FROM reasons r        
                   JOIN posts_reasons pr
                       ON r.id = pr.reason_id 
                   GROUP BY pr.post_id) a
                  ) 
GROUP BY w.weight

ウェイトテーブルに不要な行がたくさんあるため（最大2590）、上記の制限により、実行時間が9秒から4秒に短縮されました。

8
Lennart

MySQLでは、変数をクエリで使用して、列の値から計算することも、新しい計算列の式で使用することもできます。この場合、変数を使用すると効率的なクエリになります。

SELECT
  weight,
  @cumulative := @cumulative + post_count AS post_count
FROM
  (SELECT @cumulative := 0) AS x,
  (
    SELECT
      FLOOR(reason_weight / 10) * 10 AS weight,
      COUNT(*)                       AS post_count
    FROM
      (
        SELECT 
          p.id,
          SUM(r.weight) AS reason_weight
        FROM
          posts AS p
          INNER JOIN posts_reasons AS pr ON p.id = pr.post_id
          INNER JOIN reasons AS r ON pr.reason_id = r.id
        GROUP BY
          p.id
      ) AS d
    GROUP BY
      FLOOR(reason_weight / 10)
    ORDER BY
      FLOOR(reason_weight / 10) ASC
  ) AS derived
;

d派生テーブルは実際にはpost_weights 見る。したがって、ビューを保持することを計画している場合は、派生テーブルの代わりにそれを使用できます。

SELECT
  weight,
  @cumulative := @cumulative + post_count AS post_count
FROM
  (SELECT @cumulative := 0),
  (
    SELECT
      FLOOR(reason_weight / 10) * 10 AS weight,
      COUNT(*)                       AS post_count
    FROM
      post_weights
    GROUP BY
      FLOOR(reason_weight / 10)
    ORDER BY
      FLOOR(reason_weight / 10) ASC
  ) AS derived
;

このソリューションのデモは、セットアップの縮小版の簡潔な版を使用しており、 SQL Fiddleで を使用して再生できます。

7
Andriy M