Question

我目前有一个表，其中包含大约1,200万行评论和列：

id
productid
title
price
userid
profilename
helpfulness
score
review_time
summary
text

我的查询如下：

SELECT title, productid as p, count(text) as positive,
       (SELECT count(*) FROM `reviews` WHERE productid = p) as total
FROM `reviews`
WHERE text like '%my favorite book%'
GROUP BY productid
ORDER BY positive DESC;

它基本上是在评论文本中查找所有具有“我最喜欢的书”的产品，计算每个产品匹配的评论数量，然后计算每个产品的评论总数。。

我在AWS'RDS上的数据库中有这个表，其中类设置为我能看到的最快的r3.8xlarge但是它仍然需要几天才能运行。

现在，至少对我来说，更奇怪的是，如果我将搜索文本更改为以下内容：

SELECT title, productid as p, count(text) as positive,
       (SELECT count(*) FROM `reviews` WHERE productid = p) as total
FROM `reviews`
WHERE text like '%tim ferriss%' or
      text like '%timothy ferriss%'  or
      text like '%four hour workweek%'  or
      text like '%4-hour workweek%'  or
      text like '%four hour body%'  or
      text like '%4-hour body%'  or
      text like '%4 hour workweek%'  or
      text like '%4 hour body%'  or
      text like '%four hour chef%'  or
      text like '%4-hour chef%'  or
      text like '%4 hour chef%'
GROUP BY productid
ORDER BY positive DESC

甚至将数据库类降低到m3.2xlarge，查询只需要不到20分钟。

我在这里遗漏了什么吗？任何建议都会有所帮助，谢谢。

Answer 1

我认为您的查询更容易使用条件聚合编写：

SELECT title, productid as p,
       sum(text like '%my favorite book%') as positive,
       count(*) as total
FROM `reviews`
GROUP BY productid
ORDER BY positive DESC;

您的原始查询过滤掉了没有正面评价的产品。如果你真的想要这个，那么你可以添加：

HAVING positive > 0

group by之后。

R3.8xlarge RDS数据库需要数天才能运行查询

1 个答案: