Question

我有一个包含一些用户数据的表：

user_id | guest_id | time_seen | action_performed | longitude | latitude
-------------------------------------------------------------------------  
 123     | NULL     | Jan 10    | search           | -127      | 35  
 152     | NULL     | Dec 10    | login            | -128      | 34   
 172     | NULL     | Dec 15    | search           | -125      | 35   
 123     | NULL     | Jan 10    | login            | -127      | 35   
 NULL    | GUEST1   | Jan 10    | search           | -127      | 35   
 NULL    | GUEST1   | Dec 10    | search           | -127      | 35   
 NULL    | GUEST2   | Jan 10    | browse           | -127      | 35   
 NULL    | GUEST3   | Dec 10    | browse           | -127      | 35

我需要获取给定时间跨度内唯一用户ID和来宾ID的列表。同一行永远不会同时拥有有效的用户ID和有效的访客ID。我目前使用的查询是：

SELECT * 
    FROM stats 
    WHERE time_seen >= "2011-12-1 00:00:00" 
      AND time_seen < "2012-1-1 00:00:00" 
    GROUP BY guest_id 
UNION 
SELECT * 
    FROM stats 
    WHERE time_seen >= "2011-12-1 00:00:00" 
      AND time_seen < "2012-1-1 00:00:00" 
    GROUP BY user_id;

所以我希望检索：

user_id | guest_id | time_seen | action_performed | longitude | latitude
-------------------------------------------------------------------------  
 152     | NULL     | Dec 10    | login            | -128      | 34   
 172     | NULL     | Dec 15    | search           | -125      | 35 
 NULL    | GUEST1   | Dec 10    | search           | -127      | 35
 NULL    | GUEST3   | Dec 10    | browse           | -127      | 35

真正的表包含了大约1,100万个条目，并且每天都在增长，所以显然我有兴趣使查询尽可能高效。这个查询看起来有点不理想（除非有内部优化），因为我每次都执行相同的查询，之后只需按不同的方式对其进行分组。

有没有办法改善我的查询，或者这是我能做的最好的事情？

回答以下问题：

日期确实有时间戳值，我只是想简化帖子的目的。

user_id值与guest_id值之间没有重叠。

Answer 1

如果user_id值和guest_id值之间没有重叠，那么您可以GROUP BY这两列中的COALESCE而不使用UNION }

Answer 2

这是我的建议：

SELECT `user_id`, `guest_id`, `time_seen`, `action_performed`, `longitude`, `latitude`
FROM stats
WHERE guest_id IS NOT NULL AND time_seen BETWEEN  "2011-12-1 00:00:00" AND "2012-1-1 00:00:00"
GROUP BY guest_id

UNION

SELECT `user_id`, `guest_id`, `time_seen`, `action_performed`, `longitude`, `latitude`
FROM stats
WHERE user_id IS NOT NULL AND time_seen BETWEEN  "2011-12-1 00:00:00" AND "2012-1-1 00:00:00"
GROUP BY user_id;

事情发生了变化：

1）明确列出要返回的字段

2）使用BETWEEN而不是2次比较

3）在WHERE子句中添加了guest_id IS NOT NULL和user_id IS NOT NULL。这样，在查看用户时，您最终不会将所有来宾分组在一起，反之亦然。

Answer 3

如果您只需要一个访问者列表，那么：

SELECT DISTINCT COALESCE(user_id, guest_id), longitude, latitude
FROM stats
WHERE time_seen >= "2011-12-1 00:00:00" AND time_seen < "2012-1-1 00:00:00";

为特定日期获取两个不同列的唯一值

3 个答案: