[英]Joining Tables in MySQL (slow)
我正在尝试将一些数据保存在 2 个单独的表中,然后将它们与参考表连接起来。
我的数据如下所示(搜索查询和页面 URL):
[
['widget', 'www.example.com/widgets'],
['blue widget', 'www.example.com/blue-widgets'],
['red widget', 'www.example.com/widgets'],
['widget', 'www.example.com/green-widgets'],
['orange widget', 'www.example.com/widgets'],
]
如您所见,一些搜索查询被分配给多个页面,考虑到这一点以及其他一些客户端性能原因,我想将搜索查询和页面 URL 拆分到单独的表中,但要跟踪哪个搜索查询,属于哪个页面网址。
为此,到目前为止,我有以下 2 个表(unique_key 列只是哈希以阻止添加重复项):
CREATE TABLE queries (
id BIGINT NOT NULL AUTO_INCREMENT,
query VARCHAR(400) collate utf8_bin,
unique_key varchar(100) unique,
PRIMARY KEY (id));
CREATE TABLE pages (
id BIGINT NOT NULL AUTO_INCREMENT,
page VARCHAR(2083),
unique_key varchar(100) unique,
PRIMARY KEY (id));
insert into queries (query, unique_key) values
('widget', '1234'),
('widgets', '1233'),
('blue widget', '3243'),
('red widget', '5432'),
('green widget', '4642');
insert into pages (page, unique_key) values
('www.example.com/widgets', '7895'),
('www.example.com/widgets-1', '4569'),
('www.example.com/widgets-2', '4568'),
('www.example.com/widgets-3', '1254'),
('www.example.com/widgets-4', '6527');
然后,为了构建将查询与页面相关联的 pivot 表,我这样做:
CREATE TABLE page_query_join (
id BIGINT NOT NULL AUTO_INCREMENT,
query_id int,
page_id int,
PRIMARY KEY (id));
insert into page_query_join (query_id, page_id)
values ((select id from queries where query='widget' limit 1), (select id from pages where page='www.example.com/widgets' limit 1)) ON DUPLICATE KEY UPDATE query_id=query_id
这一切都是在 Python 脚本中完成的,在该脚本中,我基本上创建了 hash 键,在一个循环中插入所有搜索查询,然后在另一个循环中插入所有页面 URL,然后最后一次循环并执行最终查询以加入他们。
此最终查找的完整 function 如下所示:
def add_query_page_join(self, data):
sql = '''insert into page_query_join (query_id, page_id)
values ((select id from queries where query=%s limit 1), (select id from pages where page=%s limit 1)) ON DUPLICATE KEY UPDATE query_id=query_id'''
try:
# Execute the SQL command
self.cursor.executemany(sql, data)
# Commit your changes in the database
self.db.commit()
#return self.cursor.lastrowid
except Exception as e:
# Rollback in case there is any error
self.db.rollback()
finally:
self.db.close()
data
变量如下所示:
data = [
['widget', 'www.example.com/widgets'],
['blue widget', 'www.example.com/blue-widgets'],
['red widget', 'www.example.com/widgets'],
['widget', 'www.example.com/green-widgets'],
['orange widget', 'www.example.com/widgets'],
]
我的数据变量一次通过 1,000 个项目,但我每天总共有大约 100 万个项目要做。 我当前的版本需要几个小时才能完成。
我可以做些什么来提高连接表查询的性能,或者只是我将所有内容添加到表中的方式(也许有一种方法可以一次插入所有 3 个表?)
感谢您的帮助 - 任何缺少的东西都让我知道。
在join
查询上更新说明:
+----+-------------+---------+------+---------------+-------+---------+-------+------+----------------+
| id | select_type | table | type | possible_keys | key | key_len | ref | rows | Extra |
+----+-------------+---------+------+---------------+-------+---------+-------+------+----------------+
| 1 | PRIMARY | NULL | NULL | NULL | NULL | NULL | NULL | NULL | No tables used |
| 3 | SUBQUERY | pages | ALL | NULL | NULL | NULL | NULL | 8641 | Using where |
| 2 | SUBQUERY | queries | ref | query | query | 768 | const | 1 | Using where |
+----+-------------+---------+------+---------------+-------+---------+-------+------+----------------+
目前尚不清楚您在做什么,但您显然需要
queries: INDEX(query, id) -- This seems to exist
pages: INDEX(page, id) -- Definitely missing
但是,由于page
太大而无法索引,请考虑将unique_hash
更改为PRIMARY KEY
(并完全摆脱当前的id
)。
同时,您有一个没有ORDER BY
的LIMIT
; 你在乎你得到什么东西吗?
阐述:
我假设您已将数据加载到名为 widget_url_pairs 的表中。 这是一个模拟...
USE test;
DROP TABLE IF EXISTS widget_url_pairs;
CREATE TABLE widget_url_pairs
(widget VARCHAR(100) NOT NULL
,url VARCHAR(200) NOT NULL
,PRIMARY KEY(widget,url)
);
INSERT IGNORE INTO widget_url_pairs VALUES
('widget', 'www.example.com/widgets'),
('blue widget', 'www.example.com/blue-widgets'),
('red widget', 'www.example.com/widgets'),
('widget', 'www.example.com/green-widgets'),
('orange widget', 'www.example.com/widgets');
DROP TABLE IF EXISTS widgets;
CREATE TABLE widgets
(widget_id SERIAL PRIMARY KEY
,widget VARCHAR(100) NOT NULL UNIQUE
);
INSERT INTO widgets (widget) SELECT DISTINCT widget FROM widget_url_pairs;
DROP TABLE IF EXISTS urls;
CREATE TABLE urls
(url_id SERIAL PRIMARY KEY
,url VARCHAR(200) NOT NULL UNIQUE
);
INSERT INTO urls(url) SELECT DISTINCT url FROM widget_url_pairs;
DROP TABLE IF EXISTS widget_url;
CREATE TABLE widget_url
(widget_id INT NOT NULL
,url_id INT NOT NULL
);
INSERT IGNORE INTO widget_url
SELECT DISTINCT w.widget_id
, u.url_id
FROM widget_url_pairs wu
JOIN widgets w
ON w.widget = wu.widget
JOIN urls u
ON u.url = wu.url;
ALTER TABLE widget_url ADD PRIMARY KEY (widget_id,url_id);
SELECT w.widget
, u.url
FROM widgets w
JOIN widget_url wu
ON wu.widget_id = w.widget_id
JOIN urls u
ON u.url_id = wu.url_id;
+---------------+-------------------------------+
| widget | url |
+---------------+-------------------------------+
| blue widget | www.example.com/blue-widgets |
| orange widget | www.example.com/widgets |
| red widget | www.example.com/widgets |
| widget | www.example.com/widgets |
| widget | www.example.com/green-widgets |
+---------------+-------------------------------+
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.