Question

假设我有下表log。它描述了一系列与序列号相关的带时间戳的事件。有各种事件类型列，此处只显示了2列 - session_started和voltage_changed。在每一行中，只有一个非空的事件类型。所有行都包含非空serial和time_stamp字段。第一行将两种事件类型都设置为NULL，这意味着其他事件类型列之一（未显示）包含一个值（它有助于代表性示例）。

我想找到发生的每个session_started事件，记录下一个voltage_changed值（按时间戳记）。这是数据：

serial ||     time_stamp        || session_started || voltage_changed

BBBB    |  2017-12-15 03:05:55  |        NULL      |        NULL    |
AAAA    |  2017-12-15 04:05:55  |        1         |        NULL    |
AAAA    |  2017-12-15 04:30:55  |        NULL      |        127     |
AAAA    |  2017-12-15 05:15:55  |        NULL      |        75      |
BBBB    |  2017-12-15 05:20:55  |        1         |        NULL    |
BBBB    |  2017-12-15 06:00:55  |        NULL      |        10      |

期望的结果：

serial ||     time_stamp        ||    voltage

AAAA    |  2017-12-15 04:05:55  |       127        |
BBBB    |  2017-12-15 05:20:55  |       10         |

这是我试过的查询。它在这个示例表上工作并生成正确的结果，但是在整个表上运行需要很长时间（我厌倦了等待查询完成执行...）完整表有190,000行并且有一个索引on time_stamp。

SELECT 
   h.serial, 
   h.time_stamp,
   hh.voltage_changed AS voltage 
FROM 
   log h, 
   log hh 
WHERE 
   h.serial = hh.serial 
   AND hh.time_stamp = (SELECT MIN(hh.time_stamp) 
                        FROM  log hh 
                        WHERE (hh.time_stamp >= h.time_stamp) 
                        AND hh.voltage_changed IS NOT NULL 
                        AND (h.session_started = 1));

有没有办法优化此查询以便在大型表上更有效地工作？在time_stamp上有一个索引就足够了，还是应该考虑这个实例中的其他列？

Answer 1

因为您只想要一列，我认为自连接是不必要的。我首先将其写为相关子查询：

select l.*,
       (select l2.voltage_changed
        from log l2
        where l2.serial = l.serial and
              l2.time_stamp >= l.time_stamp and
              l2.voltage_changed is not null
        order by l2.time_stamp asc
        limit 1
       ) as voltage_changed
from log l
where l.session_started = 1;

为此，您需要两个索引。更重要的是log(serial, voltage_changed, time_stamp)。第二个是log(session_started, serial)。

Answer 2

我会将您的数据重新整理为voltage_changed结构，以便您在event_type列中包含event_value，event_type或其他值，以及与该关联的任何整数值serial列中的事件。由serial和voltage_changed编制索引，select t1.serial, t1.time_stamp, t2.event_value as voltage from ( select e1.serial, e2.time_stamp, min(e3.timestamp) AS voltage_ts from log e1 left join log e2 on e1.serial=e2.serial and e1.time_stamp<=e2.time_stamp and e2.event_type='voltage_changed' where e1.event_type='session_started' and e1.event_value=1 group by 1,2 ) t1 join log t2 on t1.serial=t2.serial and t1.voltage_ts=t2.time_stamp and t2.event_type='voltage_changed';为聚集索引。

在这种情况下，必须有效地过滤必要的行，而不必扫描整个表中的O(1)列的非空值以进一步自我加入。

然后你的查询就像（与相关子查询一起工作）：

HashMap

我知道保留这些数据可能是有效的考虑因素，只是提供另一种观点。

优化隐式自连接查询

2 个答案: