Bagaimana untuk meningkatkan kelajuan kumpulan

Question

Saya mempunyai jadual besar dengan lebih daripada 3B baris dan pertanyaan saya kini mengambil masa 3 hari untuk dilaksanakan.

Ini adalah pertanyaan saya:

masukkan ke dalam perkataan frekuensi (perkataan, kekerapan, nama fail)
pilih perkataan, kira(*) sebagai kekerapan, maks(nama fail)
daripada allwordstemp
kumpulan mengikut perkataan

Pada asasnya, pertanyaan saya adalah untuk mengumpulkan mengikut perkataan daripada jadual allwordstemp, dan saya ingin mengetahui nama fail apabila kekerapan = 1, itulah sebabnya saya menambah max(nama fail), Kerana nama fail perlu dimasukkan dalam fungsi agregat, seperti maks. Jika kekerapan > 1, saya juga tidak memerlukan nilai nama fail. Kedua-dua jadual mempunyai 2 indeks pada perkataan dan nama fail.

jadual allwordstemp (nama fail ialah fail id):

BUAT JADUAL `allwordstemp` (
  `perkataan` varchar(45) LALAI NULL,
  `nama fail` int(11) NULL LALAI,
  KEY `idx_allwordstemp_word` (`word`),
  KEY `idx_allwordstemp_filename` (`filename`)
) ENJIN=CHARSET LALAI InnoDB=utf8;

jadual kata kekerapan:

BUAT JADUAL `frequencywords` (
  `perkataan` varchar(45) LALAI NULL,
  `frekuensi` int(11) LALAI NULL,
  `nama fail` int(11) NULL LALAI,
  KEY `idx_frequencywords_word` (`word`),
  KEY `idx_frequencywords_frequency` (`frequency`),
  KEY `idx_frequencywords_filename` (`filename`)
) ENJIN=CHARSET LALAI InnoDB=utf8;

Terangkan pemilihan:

+----+-------------+------------ ---------------------------------------------------+----------- ---- ------------+---------+------+-----------+--- ---- ---+-------------+
|. pilih_jenis |
+----+-------------+--------------+--------------- -------------------------- -----+------+------------+----------+----------- -- +
|.
+----+-------------+--------------+--------------- ------------------------- -----+------+------------+----------+----------- -- +
Bagaimanakah saya boleh membuat pertanyaan saya lebih cepat? 
            

Answer 1

Penapis anda nampaknya berdasarkan kekerapan, bukan perkataan atau nama fail. Jadi saya mula-mula mengindeks semua perkataan mengikut kekerapan.

Kemudian, dengan mengandaikan kekerapan ialah integer, saya akan menambah klausa WHERE seperti ini:

select word, max(filename)
from allwordstemp
where frequency = 1
group by word

Di atas akan memberikan anda senarai semua perkataan yang muncul sekali sahaja dalam pelbagai nama fail.

Semoga ini membantu, dan semua yang terbaik!