2

考虑下表：

tweets                        daterange
---------------------------   ----------------
tweet_id  nyse_date   class   _date
---------------------------   ----------------
 1        2011-03-12  2       2011-03-11
 2        2011-03-12  1       2011-03-12
 3        2011-03-12  1       2011-03-13
 4        2011-03-12  1       2011-03-14
 5        2011-03-12  0       2011-03-15
 7        2011-03-13  1
 8        2011-03-13  2
 9        2011-03-13  3
10        2011-03-14  3

每条推文都分配了一个“类”，可以是 1、2 或 3。我需要了解数据范围内每天每个类的推文数量。因此，即使 and 上没有推文2011-03-11，2011-03-15我仍然需要将该日期包含在结果集中，如下所示：

nyse_date   total  class1  class2  class3
-----------------------------------------
2011-03-11  0      0       0       0
2011-03-12  5      3       1       0
2011-03-13  3      1       1       1     
2011-03-14  1      0       0       1
2011-03-15  0      0       0       0

我尝试了以下查询，但它只是超时（它不应该因为数据库不是那么大）：

SELECT
  t.nyse_date,
  COUNT(CASE WHEN t.nyse_date = d._date THEN 1 END) total, 
  SUM(t.class=1) as neu,
  SUM(t.class=2) as pos,
  SUM(t.class=3) as neg
FROM tweets t
CROSS JOIN
  daterange d
GROUP BY t.nyse_date
ORDER BY t.nyse_date ASC

这是EXPLAIN

id select_type table type possible_keys key  key_len ref    rows    Extra
---------------------------------------------------------------------------------------------------
1  SIMPLE      d     ALL  NULL          NULL NULL    NULL   148     Using temporary; Using filesort
1  SIMPLE      t     ALL  NULL          NULL NULL    NULL   560783  Using join buffer

我究竟做错了什么？是否有更有效的方法来确保包含 daterange 表中的所有日期？

edit: 我也试过这个查询，但结果保持不变 - 它一直运行到超时。

SELECT 
  t.nyse_date,
  COUNT(t.tweet_id) AS total, 
  SUM(t.class=1) AS neu,
  SUM(t.class=2) AS pos,
  SUM(t.class=3) AS neg
FROM tweets t
LEFT JOIN
  daterange d
  ON t.nyse_date = d._date
GROUP BY t.nyse_date
ORDER BY t.nyse_date ASC

这是EXPLAIN

id select_type table type possible_keys key  key_len ref  rows    Extra
-------------------------------------------------------------------------------------------------
1  SIMPLE      t     ALL  NULL          NULL NULL    NULL 560783  Using temporary; Using filesort
1  SIMPLE      d     ALL  NULL          NULL NULL    NULL 148
4

2 回答 2

3

您的查询运行缓慢的原因是它没有使用tweets表上的任何索引。

您要做的是在表中的(sp100_id, nyse_date)列上创建一个复合索引tweets，然后运行此查询：

SELECT     
    a.sp100_id,
    b._date,
    COALESCE(c.total,0) AS total,
    COALESCE(c.neu,0) AS neu,
    COALESCE(c.pos,0) AS pos,
    COALESCE(c.neg,0) AS neg,
    COALESCE(c.spamneu,0) AS spamneu
FROM
    sp100 a
CROSS JOIN 
    daterange b
LEFT JOIN
(
    SELECT 
        sp100_id,
        nyse_date, 
        COUNT(1) AS total,
        COUNT(CASE class WHEN 1 THEN 1 END) AS neu,
        COUNT(CASE class WHEN 2 THEN 1 END) AS pos,
        COUNT(CASE class WHEN 3 THEN 1 END) AS neg,
        COUNT(CASE WHEN class = 1 AND type = 1 THEN 1 END) AS spamneu
    FROM tweets 
    GROUP BY sp100_id, nyse_date
) c ON 
    a.sp100_id = c.sp100_id AND b._date = c.nyse_date
ORDER BY 
    a.sp100_id, b._date

SQLFiddle 演示

于 2012-07-14T16:56:56.720 回答
1

我想你很接近。但您可能想要左侧的日期。

SELECT 
    d.nyse_date,
    COUNT(t.tweet_id) AS total, 
    SUM(t.class=1) AS neu,
    SUM(t.class=2) AS pos,
    SUM(t.class=3) AS neg
FROM daterange d LEFT OUTER JOIN tweets t t.nyse_date = d._date
GROUP BY d.nyse_date
ORDER BY d.nyse_date ASC

没有必要对索引下结论。在假设太多之前，只需以正确的方式尝试查询。

编辑

当我第一次写这篇文章时，我没有意识到你的表对 dat 列使用了不同的名称。我使用无效列编写了查询——没有 d.nyse_date。如果您已将其更改为 t.nyse_date 或只是删除了限定别名而不是将其更改为正确的列引用 d._date，那么我认为这解释了我们看到的问题，即包含第 15 个的数据没有返回，因为它将对内部表中的值进行分组。

这是应该工作的版本：

SELECT 
    d._date,
    COUNT(t.tweet_id) AS total, 
    SUM(t.class=1) AS neu,
    SUM(t.class=2) AS pos,
    SUM(t.class=3) AS neg
FROM daterange d LEFT OUTER JOIN tweets t t.nyse_date = d._date
GROUP BY d._date
ORDER BY d._date ASC
于 2012-07-14T16:55:23.787 回答