我的报告数据库性能有问题（表有数百万条记录，50多个），当我想计算表明访问者唯一性的列上的不同时，让我们说一些哈希键。
例如： 我有这些专栏： hashkey，name，surname，visit_datetime，site，gender等...
我需要在1年的时间跨度内明显，不到5秒：
SELECT COUNT(DISTINCT hashkey) FROM table WHERE visit_datetime BETWEEN 'YYYY-MM-DD' AND 'YYYY-MM-DD'
此查询在短时间范围内会很快，但如果超过一个月，则可能超过30秒。
有没有比关系数据库更好的计算这样的东西的技术？
我想知道谷歌分析使用什么来做他们独立的访客计算。
答案 0 :(得分：3)
对于报告和分析，您所描述的事物的类型，这些类型的统计信息往往被拉出，汇总并存储在数据仓库或其他东西中。它们以出于性能原因的方式存储，代替为OLTP优化的良好关系存储技术（在线事务处理）。这种预聚合技术称为OLAP（在线分析处理）。
答案 1 :(得分：0)
您可以在另一个表中存储每天唯一身份访问者的数量，每天通过cron函数更新一次。
答案 2 :(得分：0)
Google Analytics使用第一方Cookie，如果您使用LiveHTTPHeaders等记录请求标题，则可以看到
所有GA分析参数都打包在请求网址中，例如
UTMA％3D97315849.1774621898.1207701397.1207701397.1207701397.1％3B“＆GT; HTTP：//www.google-analytics.com/_utm.gif utmwv = 4和; utmn = 769876874＆安培; utmhn = example.com＆安培; utmcs = ISO -8859-1＆安培; utmsr = 1280×1024＆安培; utmsc = 32比特及utmul = EN-US＆安培; utmje = 1＆安培; utmfl = 9.0％20％20r115＆安培; utmcn = 1＆安培; utmdt = GATC012％20setting％20variables＆安培; utmhid = 2059107202＆安培; utmr = 0＆安培; UTMP = /自动/ GATC012.html utm_source = www.gatc012.org＆安培; utm_campaign =运动+ gatc012＆安培; utm_term =关键字+ gatc012＆安培;的utm_content =含量+ gatc012＆安培; utm_medium =中等+ gatc012＆安培; utmac = UA-30138- 1安培; utmcc = __ UTMA％3D97315849.1774621898.1207701397.1207701397.1207701397.1％3B ...
在该网址中是一个键入 __ utmcc 的内容，这些是GA Cookie。在_utmcc中，是一个键入 _utma 的字符串，该字符串由六个字段组成，每个字段由“。”分隔。第二个字段是访客ID，这是GA服务器在查找GA Cookie后找不到的随机数：
__utma%3D97315849.1774621898.1207701397.1207701397.1207701397.1
在此示例中， 1774621898 是访问者ID，Google Analytics打算将其作为每个访问者的唯一标识符
因此，您可以看到识别唯一身份访问者的技术缺陷 - 使用其他浏览器或其他设备进入网站，或者在删除Cookie后，您会将GA显示为唯一身份访问者（即，它寻找它的cookie并且没有找到任何，所以它设置它们。）
EFF对这一主题有一个很好的article - 即，如何建立独特性，以及确定程度，以及如何将其打败。
最后，一旦我用来确定某人之前是否访问过我们的网站（假设是硬件案例，即他们已经删除了他们的Cookie等），我将检查客户对我们的 favicon <的请求/ strong>即可。存储favicon的目录经常被忽略 - 无论是在手动扫描期间还是以编程方式使用脚本。