我是MySQL的新手,我正在尝试使用此语句选择一组不同的行:
SELECT DISTINCT sp.atcoCode, sp.name, sp.longitude, sp.latitude
FROM `transportdata`.stoppoints as sp
INNER JOIN `vehicledata`.gtfsstop_times as st ON sp.atcoCode = st.fk_atco_code
INNER JOIN `vehicledata`.gtfstrips as trip ON st.trip_id = trip.trip_id
INNER JOIN `vehicledata`.gtfsroutes as route ON trip.route_id = route.route_id
INNER JOIN `vehicledata`.gtfsagencys as agency ON route.agency_id = agency.agency_id
WHERE agency.agency_id IN (1,2,3,4);
然而,选择声明大约需要10分钟,因此显而易见。
一个重要因素是表gtfsstop_times
很大。 (约2.5亿条记录)
索引似乎设置得当;所有上述连接都使用索引列。表格大小大致为:
gtfsagencys - 4 rows
gtfsroutes - 56,000 rows
gtfstrips - 5,500,000 rows
gtfsstop_times - 250,000,000 rows
`transportdata`.stoppoints - 400,000 rows
服务器有22Gb的内存,我已经将InnoDB缓冲池设置为8G,而我使用的是MySQL 5.6。
有人能看到让这种运行更快的方法吗?或者确实如此!
停止点表位于不同的模式中是否重要?
编辑: EXPLAIN SELECT ...返回:
答案 0 :(得分:6)
看起来你正试图根据某些标准找到一个停止点集合。并且,您正在使用SELECT DISTINCT
来避免重复停止点。是吗?
看起来atcoCode是您的停止点表的唯一键。是吗?
如果是这样,试试这个:
SELECT sp.name, sp.longitude, sp.latitude, sp.atcoCode
FROM `transportdata`.stoppoints` AS sp
JOIN (
SELECT DISTINCT st.fk_atco_code AS atcoCode
FROM `vehicledata`.gtfsroutes AS route
JOIN `vehicledata`.gtfstrips AS trip ON trip.route_id = route.route_id
JOIN `vehicledata`.gtfsstop_times AS st ON trip.trip_id = st.trip_id
WHERE route.agency_id BETWEEN 1 AND 4
) ids ON sp.atcoCode = ids.atcoCode
这做了一些事情:它消除了你似乎不需要的表(代理)。它会将agency_id上的搜索从IN(a,b,c)
更改为范围搜索,这可能会有所帮助,也可能没有帮助。最后,它将DISTINCT
处理从必须处理大量数据的情况重新定位到子查询情况,只需要处理ID值。
(JOIN
和INNER JOIN
相同。我使用JOIN
使查询更容易阅读。)
这会加速你的速度。但是,必须要说的是,四分之一的gigarow表是一张大桌子。
答案 1 :(得分:3)
拥有250M记录,我会在一列上对gtfsstop_times表进行分片。然后,每个分片表可以在一个单独的查询中连接,该查询可以在不同的线程中并行运行,您只需要合并结果集。
答案 2 :(得分:2)
诀窍是减少SQL必须评估的 gtfsstop_times 行数。在这种情况下,SQL首先评估 gtfsstop_times 和 transportdata
。stoppoints 的内部联接中的每一行,对吧? transportdata
。停止点有多少行?然后,SQL计算WHERE子句,然后计算DISTINCT。它是如何做到DISTINCT的?通过多次查看每一行来确定是否有其他类似的行。这需要永远,对吧?
然而,GROUP BY快速地将所有匹配的行拼凑在一起,而不是评估每一行。我通常使用连接来快速减少查询需要评估的行数,然后我查看我的分组。
在这种情况下,您希望将DISTINCT替换为分组。
试试这个;
SELECT sp.name, sp.longitude, sp.latitude, sp.atcoCode
FROM `transportdata`.stoppoints as sp
INNER JOIN `vehicledata`.gtfsstop_times as st ON sp.atcoCode = st.fk_atco_code
INNER JOIN `vehicledata`.gtfstrips as trip ON st.trip_id = trip.trip_id
INNER JOIN `vehicledata`.gtfsroutes as route ON trip.route_id = route.route_id
INNER JOIN `vehicledata`.gtfsagencys as agency ON route.agency_id = agency.agency_id
WHERE agency.agency_id IN (1,2,3,4)
GROUP BY sp.name
, sp.longitude
, sp.latitude
, sp.atcoCode
答案 3 :(得分:1)
您的问题还有其他有价值的答案,我的补充也是如此。我假设sp.atcoCode
和st.fk_atco_code
是其表格中的索引列。
如果您可以验证并确保WHERE
子句中的代理ID有效,则可以在JOINS中取消加入`vehicledata
。gtfsagencys`,因为您没有从表中获取任何记录。
SELECT DISTINCT sp.atcoCode, sp.name, sp.longitude, sp.latitude
FROM `transportdata`.stoppoints as sp
INNER JOIN `vehicledata`.gtfsstop_times as st ON sp.atcoCode = st.fk_atco_code
INNER JOIN `vehicledata`.gtfstrips as trip ON st.trip_id = trip.trip_id
INNER JOIN `vehicledata`.gtfsroutes as route ON trip.route_id = route.route_id
WHERE route.agency_id IN (1,2,3,4);