这篇文章主要给大家介绍了关于mysql聚合统计数据查询缓慢的优化方法，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
写在前面
在我们日常操作数据库的时候，比如订单表、访问记录表、商品表的时候。
经常会处理计算数据列总和、数据行数等统计问题。
随着业务发展，这些表会越来越大，如果处理不当，查询统计的速度也会越来越慢，直到业务无法再容忍。
所以，我们需要先了解、思考这些场景知识点，在设计之初，便预留一些优化空间支撑业务发展。
sql聚合函数
在mysql等数据中，都会支持聚合函数，方便我们计算数据。
常见的有以下方法
取平均值 AVG()
求和 SUM()
最大值 MAX()
最小值 MIN()
行数 COUNT()
演示几个简单使用的sql语句：
查询u_id为100的订单总数
|
1
|
select count(id) from orders where u_id = 100; |
查询u_id为100的订单消费总和
|
1
|
select sum(order_amount) from orders where u_id = 100; |
查询销量最高的商品
|
1
|
select max(sell_num) from goods |
统计7月份的订单数量、金额总和
|
1
2
|
select count(id) as count, sum(order_amount) as total_amount from orders where order_date between 20190701 and 20190731 and is_pay = 1 |
如果此时，订单表的总数是1亿条。并且此条sql运行很慢，我们应该如何排查优化？
有的同学会说了：行数多，在日期字段上加 索引，这样子筛选就很快了。
总数1亿条，假设7月份的订单有1000万条，加了索引的时候，筛选速度自然会提升不少。但是此时我们的问题真的解决了吗？
在这种聚合函数中，结果需要 遍历每一条 数据来计算，比如我们统计订单总和，就需要每一行都读取订单金额，然后加起来。
也就是说在这条统计sql中，需要先从1亿数据中筛选1000万条数据，然后再遍历这些数据来计算。 此时就会非常慢了。
增加索引并不能解决聚合函数统计慢的问题
优化聚合统计的方案
提前预算
建立 统计数据表，以日期区分，如：20190801一天，销售了多少订单、金额等等数据。
当订单产生（支付完成后 可统计数据）时，便在统计数据表中对应的日期增加金额、数量。
需要注意的是，如果有退款等场景会影响减少数据，记得也相应地做操作处理
当我们需要统计8月份的数据时候，则只需要遍历计算这一个月的三十来行数据。
定时落地
我们可以使用easyswoole、计划任务等。来定时（比如每20分钟一次）计算总和，然后更新到 统计数据表 中。
优点：做的处理比较少，也无需改动退款操作等api，只需要依赖 原订单 表的数据，定时统计、刷新统计数据。
需要注意的是，根据不同的订单热度，来设置不同的落地频率，比如 一周内的数据变化几率比较大，可能20分钟落地。而一年前的数据则变化几率很小，可以选择某天同步一次，甚至确保不会变动时，则不再刷新。
总结
索引并不能解决统计聚合数据慢的sql语句问题
聚合函数谨慎用 最好不用，因为我们无法预算以后的数据量需要扫描多少行数据来计算
优化方案离不开统计表，都需要按一定的周期储存运算好的统计数据
到此这篇关于mysql聚合统计数据查询缓慢的文章就介绍到这了,更多相关mysql聚合统计数据查询缓慢内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！