寫在前面

在我們日常操作數據庫的時候，比如訂單表、訪問記錄表、商品表的時候。

經常會處理計算數據列總和、數據行數等統計問題。

隨著業務發展，這些表會越來越大，如果處理不當，查詢統計的速度也會越來越慢，直到業務無法再容忍。

所以，我們需要先了解、思考這些場景知識點，在設計之初，便預留一些優化空間支撐業務發展。

sql聚合函數

在mysql等數據中，都會支持聚合函數，方便我們計算數據。

常見的有以下方法

取平均值 AVG()
求和 SUM()
最大值 MAX()
最小值 MIN()
行數 COUNT()

演示幾個簡單使用的sql語句：

查詢u_id為100的訂單總數

select count(id) from orders where u_id = 100;

查詢u_id為100的訂單消費總和

select sum(order_amount) from orders where u_id = 100;

查詢銷量最高的商品

select max(sell_num) from goods

統計7月份的訂單數量、金額總和

select count(id) as count, sum(order_amount) as total_amount 
from orders where order_date between 20190701 and 20190731 and is_pay = 1

如果此時，訂單表的總數是1億條。并且此條sql運行很慢，我們應該如何排查優化？

有的同學會說了：行數多，在日期字段上加 索引，這樣子篩選就很快了。

總數1億條，假設7月份的訂單有1000萬條，加了索引的時候，篩選速度自然會提升不少。但是此時我們的問題真的解決了嗎？

在這種聚合函數中，結果需要 遍歷每一條 數據來計算，比如我們統計訂單總和，就需要每一行都讀取訂單金額，然后加起來。

也就是說在這條統計sql中，需要先從1億數據中篩選1000萬條數據，然后再遍歷這些數據來計算。 此時就會非常慢了。

增加索引并不能解決聚合函數統計慢的問題

優化聚合統計的方案

提前預算

建立 統計數據表，以日期區分，如：20190801一天，銷售了多少訂單、金額等等數據。
當訂單產生（支付完成后 可統計數據）時，便在統計數據表中對應的日期增加金額、數量。

需要注意的是，如果有退款等場景會影響減少數據，記得也相應地做操作處理

當我們需要統計8月份的數據時候，則只需要遍歷計算這一個月的三十來行數據。

定時落地

我們可以使用easyswoole、計劃任務等。來定時（比如每20分鐘一次）計算總和，然后更新到 統計數據表 中。

優點：做的處理比較少，也無需改動退款操作等api，只需要依賴 原訂單 表的數據，定時統計、刷新統計數據。

需要注意的是，根據不同的訂單熱度，來設置不同的落地頻率，比如 一周內的數據變化幾率比較大，可能20分鐘落地。而一年前的數據則變化幾率很小，可以選擇某天同步一次，甚至確保不會變動時，則不再刷新。

總結

索引并不能解決統計聚合數據慢的sql語句問題

聚合函數謹慎用 最好不用，因為我們無法預算以后的數據量需要掃描多少行數據來計算

優化方案離不開統計表，都需要按一定的周期儲存運算好的統計數據

到此這篇關于mysql聚合統計數據查詢緩慢的文章就介紹到這了,更多相關mysql聚合統計數據查詢緩慢內容請搜索腳本之家以前的文章或繼續瀏覽下面的相關文章希望大家以后多多支持腳本之家！