Question

这是我在stackoverflow中的第一个问题，我很高兴成为这个社区的一员，因为它多次帮助了我。

我不是SQL和MySQL的专家，但我在一个需要大表（百万行）的项目中工作。 我在加入时遇到问题而且我不明白为什么需要这么长时间。在此先感谢：）

以下是表格：

CREATE TABLE IF NOT EXISTS tabla_maestra(
id int UNIQUE,
codigo_alta char(1),
nombre varchar(100),
empresa_apellido1 varchar(150),
apellido2 varchar(50),
tipo_via varchar(20),
nombre_via varchar(100),
numero_via varchar(50),
codigo_via char(5),
codigo_postal char(5),
nombre_poblacion varchar(100),
codigo_ine char(11),
nombre_provincia varchar(50),
telefono varchar(250) UNIQUE,
actividad varchar(100),
estado char(1),
codigo_operadora char(3)
);

CREATE TABLE IF NOT EXISTS tabla_actividades_empresas(
empresa_apellido1 varchar(150),
actividad varchar(100)
);

这是我想要的查询：

UPDATE tabla_maestra tm
INNER JOIN tabla_actividades_empresas tae
ON (tm.nombre!='' AND tae.empresa_apellido1=tm.empresa_apellido1)
SET tm.actividad=tae.actividad;

这个查询花了太长时间，在执行之前我试图测试这个简单查询需要多长时间：

SELECT COUNT(*) FROM tabla_maestra tm
INNER JOIN tabla_actividades_empresas tae 
ON (tm.nombre!='' AND tae.empresa_apellido1=tm.empresa_apellido1);

它仍然需要太长时间，我不明白为什么。以下是我使用的索引：

CREATE INDEX cruce_nombre
USING HASH
ON tabla_maestra (nombre);

CREATE INDEX cruce_empresa_apellido1
USING HASH
ON tabla_maestra (empresa_apellido1);

CREATE INDEX index_actividades_empresas
USING HASH
ON tabla_actividades_empresas(empresa_apellido1);

如果我使用EXPLAIN语句，结果如下：

http://oi59.tinypic.com/2zedoy0.jpg

我很感激收到任何可以帮助我的答案。非常感谢，达尼。

Answer 1

如您的查询计划所示，涉及五十万行的联接必然需要一些时间。 count（*）查询更快，因为它不需要读取tabla_maestra表本身，但它仍然需要扫描索引cruce_empresa_apellido1的所有行。

如果您将索引index_actividades_empresas设为唯一索引（假设确实合适），或者您放弃该索引并创建列{{1>表empresa_apellido1的主键。

如果即使这样也没有给你足够的性能，那么我唯一要做的就是给表tabla_actividades_empresas一个整数类型的合成主键，并更改tabla_maestra的相应列以匹配。这应该有所帮助，因为将整数与整数进行比较比将字符串与字符串进行比较要快，即使您可以通过散列过滤掉（大多数）不匹配。

Answer 2

我同意其他人（参见John Bollinger）关于缺少主键的问题。它非常喜欢ID（我注意到你担心它会被重复，但PK也会顺利地对待它 - 我的意思是MySQL的自动识别）。

为什么使用tabla_actividades_empresas。empresa_apellido1而不是查找要引用的tabla_maestra ID？

如果是这样，你可以为它定义外键：tabla_actividades_empresas。maestra_id即

因为如果将表与非字符串类型相关联会更好。

您还可以在表之间的JOIN操作之前对表进行子查询。这是一个例子：

UPDATE (SELECT * FROM tabla_maestra WHERE nombre != '') AS tm
INNER JOIN tabla_actividades_empresas AS tae
ON tae.empresa_apellido1 = tm.empresa_apellido1
SET tm.actividad = tae.actividad;

我还没有测试过。但从那时起它似乎是一个很好的行为。

哦......每次你需要更新所有数据行吗？除非，您只能更新被遗忘的人。您可以在UPDATE之后INNER JOIN之前应用LEFT JOIN来确定需要更新的所需内容。它有意义吗？我不是任何专家，但考虑一下会很有用。

修改

您也可以测试一些子查询：

UPDATE tabla_maestra AS main, tabla_actividades_empresas AS aggr SET main.actividad = aggr.actividad WHERE main.empresa_apellido1 = aggr.empresa_apellido1 AND main.nombre <> ''

不要忘记尝试调整关系。

Answer 3

非常感谢您的回答。

事实上，表格 tabla_maestra 是一个包含企业信息的表格，但不包含“激活资料”字段的值（企业）。此外，' id '字段仍然是空的（我将在未来使用它。很难解释原因，但必须以这种方式完成）。

我需要添加每个企业加入一个辅助表' tabla_actividades_empresas '的活动，其中包含每个企业名称的活动。我只需要做一次，不再需要。然后，我可以删除“ tabla_actividades_empresas ”表格，因为我不需要它。

加入他们的唯一方法是“ empresa_apellido1 ”字段，也就是企业名称。

我已将“ tabla_actividades_empresas.empresa_apellido1 ”字段设为唯一，但它并未提高性能。

在“ tabla_actividades_empresas ”上定义外键是没有意义的，因为“ empresa_apellido1 ”字段仅对' tabla_actividades_empresas <是唯一的/ strong>'，而不是' tabla_maestra '（在此表中，企业名称可以多次出现，因为企业可以在不同的地方拥有不同的办事处）。也就是说，' tabla_actividades_empresas '不包含重复的企业，但' tabla_maestra '重复了名称企业。

顺便说一下，“调整关系”是什么意思？我已经使用explain语句尝试了你的子查询，并且它没有正确使用索引，性能更差。

MySQL - 非常简单加入耗时太长

3 个答案: