如何有效地选择基于SQL中不同时间戳计算的多个总和的平均总和？

Question

我有一个数据库表，如下所示：

id | macaddr | load | timestamp
=========================================
 1 | 0011111 |   17 | 2012-02-07 10:00:00
 1 | 0011111 |    6 | 2012-02-07 12:00:00
 2 | 0022222 |    3 | 2012-02-07 12:00:03
 3 | 0033333 |    9 | 2012-02-07 12:00:04
 4 | 0022222 |    4 | 2012-02-07 12:00:06
 5 | 0033333 |    8 | 2012-02-07 12:00:10
...

现在，我想计算不同时间段（例如今天，昨天，本周，本月）所有设备（= mac地址）的平均负载。

通过首先找出不同时间点（样本日期）的总负荷总和，然后计算这些样本日期的负荷总和的平均值，可以计算平均负荷。 例如，如果我希望最近十秒钟的平均负载（现在是2012-02-07 12:00:10），则可以将采样日期确定为12：00：02、12：00： 04、12：00：06、12：00：08和12:00:10。 然后，我将通过汇总每个设备的最新负载值来计算负载总和：

2012-02-07 12:00:02 |  6  [= load(id=2)]
2012-02-07 12:00:04 | 18  [= load(id=2) + load(id=3) + load(id=4)]
2012-02-07 12:00:06 | 19  [= load(id=2) + load(id=4) + load(id=5)]
2012-02-07 12:00:08 | 19  [= load(id=2) + load(id=4) + load(id=5)]
2012-02-07 12:00:10 | 18  [= load(id=2) + load(id=5) + load(id=6)]

如果设备的负载值早于一个小时（此处为id = 1），则该负载值将被忽略。 在这种情况下，平均值为16。

当前，我使用许多“ UNION ALL”语句生成了一个相当复杂的查询，该语句非常慢：

SELECT avg(l.load_sum) as avg_load
FROM (
    SELECT sum(so.load) AS load_sum 
    FROM (
        SELECT * 
        FROM (
            SELECT si.macaddr, si.load 
            FROM sensor_data si WHERE si.timestamp > '2012-02-07 11:00:10' AND si.timestamp < '2012-02-07 12:00:10'
            ORDER BY si.timestamp DESC 
        ) AS sm
        GROUP BY macaddr
    ) so
    UNION ALL
    [THE SAME THING AGAIN WITH OTHER TIMESTAMPS]
    UNION ALL
    [AND AGAIN]
    UNION ALL
    [AND AGAIN]
    ...
) l

现在想象一下，我想计算一个月的平均负载。 对于每小时的采样日期，我需要使用UNION ALL语句加入30x24 = 720个查询。 整个查询需要将近一分钟才能在我的计算机上完成。 我相信没有UNION ALL语句会有更好的解决方案。 但是，我在网络上找不到任何有用的东西。 因此，非常感谢您的帮助！

Answer 1

使用Unix时间戳的一小部分：首先，我们计算每小时（3600秒）的平均值：

SELECT
  macaddr, 
  sum(CAST(load AS float))/CAST(count(*) AS float) AS loadavg,
  FLOOR(UNIX_TIMESTAMP(`timestamp`)/3600) AS hourbase
FROM sensor_data
GROUP BY macaddr,FLOOR(UNIX_TIMESTAMP(`timestamp`)/3600)

然后我们平均一个月

SELECT 
  avg(loadavg) as monthlyavg,
  macaddr
FROM (
    SELECT
      macaddr, 
      sum(CAST(load AS float))/CAST(count(*) AS float) AS loadavg,
      FLOOR(UNIX_TIMESTAMP(`timestamp`)/3600) AS hourbase
    FROM sensor_data
    WHERE `timestamp` BETWEEN '2012-01-07 12:00:00' AND '2012-02-07 11:59:59'
    GROUP BY macaddr,FLOOR(UNIX_TIMESTAMP(`timestamp`)/3600)
) AS hourlies
GROUP BY macaddr, hourbase

Answer 2

为了使事情变得更容易，您应该创建一个“小时”函数，该函数返回一个日期时间，小时部分之后没有任何有效数字。 因此，现在（2012年2月2日下午5:05）将是2012-02-07 17:00。 这是您的小时函数的代码：

select dateadd(hh, DATEPART(hh, current_timestamp), DATEADD(dd, 0, datediff(dd, 0, current_timestamp)))

（将上述代码中的current_timestamp替换为小时函数的datetime参数。我假设您将其创建为dbo.fnHour（），并且它带有datetime参数。

然后，您可以使用dbo.fnHour（）作为分区函数来查询所需的内容。 您的sql看起来像这样：

select 
    avg(load) as avg_load
from (
    select dbo.fnHour(si.timestamp) [hour], macaddr, sum(load) as [load]
    from 
        sensor_data si 
    where 
        si.timestamp >= dateadd(mm, -1, current_timestamp)
    group by 
        dbo.fnHour(si.timestamp), macaddr
) as f

我没有测试过，所以可能会有一些错别字，但这足以让您前进。

Answer 3

我可能会误解您想要做什么。 看起来您正在使事情变得比使用采样要复杂得多。 给出结果看起来应该是什么样的样本，也许可以使人们为您的特定案例提供更好的解决方案。

mysql> SELECT * FROM `test`;
+----+-----+------+------------+
| id | mac | load | when       |
+----+-----+------+------------+
|  1 |   1 |   10 | 2012-02-01 |
|  2 |   1 |   20 | 2012-01-01 |
|  3 |   2 |   60 | 2011-09-01 |
+----+-----+------+------------+

mysql> SELECT avg(`sum_load`)
    -> FROM 
    -> (
    ->    SELECT sum( `load` ) as sum_load
    ->    FROM `test`
    ->    WHERE `when` > '2011-01-15'
    ->    GROUP BY `mac`
    -> ) as t1;
+-----------------+
| avg(`sum_load`) |
+-----------------+
|         45.0000 |
+-----------------+

mysql> SELECT avg(`sum_load`)
    -> FROM 
    -> (
    ->    SELECT sum( `load` ) as sum_load
    ->    FROM `test`
    ->    WHERE `when` > '2011-01-15' AND `when` < '2012-01-15'
    ->    GROUP BY `mac`
    -> ) as t1;
+-----------------+
| avg(`sum_load`) |
+-----------------+
|         40.0000 |
+-----------------+