求解！合并两张表的统计结果，数据大，可以用SQL或JAVA 求思路。在线等！！

Question

表示需求很简单，可这数据量一大我就hold不住了。

Answer 1

这个什么搞笑要求？countAA是count(t5)的结果，怎么会要求得到(countAA、t1、t2、t3、t4)，这什么逻辑关系？
没弄清楚需求吧。

Answer 2

这个什么搞笑要求？countAA是count(t5)的结果，怎么会要求得到(countAA、t1、t2、t3、t4)，这什么逻辑关系？
没弄清楚需求吧。我怕大家搞混才这样写的，其实是这样的，t5其实就是t4，countAA是group by字段t1、t2、t3、t4,条件为t4是success、wait值

Answer 3

5楼写错了。t5就是t5，countAA是group by字段t1、t2、t3、t4，where条件为t4是success、wait值 

Answer 4

先别管这sql效率怎么样，这个sql符合你的要求吗？select a.a, aa.aa, b.b, a.t1, a.t2, a.t3, a.t4
  from (select count(1) a, t1, t2, t3, t4 from A group by t1, t2, t3, t4) a
  left join (select count(1) aa, t1, t2, t3, t4
               from A where t4 = 'success' group by t1, t2, t3, t4) aa
    on a.t1 = aa.t1
   and a.t2 = aa.t2
   and a.t3 = aa.t3
   and a.t4 = aa.t4
  left join (select count(1) b, t1, t2, t3, t4
               from B group by t1, t2, t3, t4) b
    on b.t1 = aa.t1
   and b.t2 = aa.t2
   and b.t3 = aa.t3
   and b.t4 = aa.t4

Answer 5

需求我看的有点乱。你最好能举个简单的列子说清楚需求
比如
A表字段
t1,t2,t3,t4
B表字段
t1,t2,t3,t4期望的结果是怎样？

Answer 6

先别管这sql效率怎么样，这个sql符合你的要求吗？select a.a, aa.aa, b.b, a.t1, a.t2, a.t3, a.t4
  from (select count(1) a, t1, t2, t3, t4 from A group by t1, t2, t3, t4) a
  left join (select count(1) aa, t1, t2, t3, t4
               from A where t4 = 'success' group by t1, t2, t3, t4) aa
    on a.t1 = aa.t1
   and a.t2 = aa.t2
   and a.t3 = aa.t3
   and a.t4 = aa.t4
  left join (select count(1) b, t1, t2, t3, t4
               from B group by t1, t2, t3, t4) b
    on b.t1 = aa.t1
   and b.t2 = aa.t2
   and b.t3 = aa.t3
   and b.t4 = aa.t4
就是7楼这个想法，但这样查询太慢了。

Answer 7

我感觉楼主搞不定的原因就是不能把需求转化成清晰问题，两张表的问题，要求再复杂，也不会存在特别难道的地方。需求是很简单，就是你7楼说的那样，估计现在你也弄清了。sql查询出来是很容易，想要效率。因为数据量多，一次查询需要很久

Answer 8

汗我问执行计划和结果一共有多少条。
这个数据这么多在内存里计算不好，直接用sql搞定得了。才150W数据耗时不会太高的，可以优化。

Answer 9

汗我问执行计划和结果一共有多少条。
这个数据这么多在内存里计算不好，直接用sql搞定得了。才150W数据耗时不会太高的，可以优化。sql和你在7楼写的基本一致。唯一不同的是，A表其实是2张表通过UNION连接起来的，B表也是2张表通过UNION连接起来。
单张表查询执行结果保守估计十万条左右。

Answer 10

你描述总是没重点，现在到底多慢？多少秒？把sql发出来，执行计划也发出来。sql优化这种问题，你不发出来关键东西，别人怎么告诉问题出在哪。

Answer 11

你描述总是没重点，现在到底多慢？多少秒？把sql发出来，执行计划也发出来。sql优化这种问题，你不发出来关键东西，别人怎么告诉问题出在哪。sql代码涉及字段太多了，发出来根本看不懂，解释字段要很久。sql结构就是你7楼说的那样。整个查询，查15%的数据大概要5分钟以上(粗略估算)。

Answer 12

两结果集union all，聚合一次，用行转列一次出来那几个查询列。

Answer 13

教你个笨办法，把sql从小范围向大范围查哪里慢。
如：select *
  from (select *
          from (select * from a) a
          left join (select * from b) b
            on a.a = b.b) c
 where c.c = 1先试
select * from a
再试
select * from b
再试
select *
  from (select * from a) a
  left join (select * from b) b
    on a.a = b.b
到哪一步突然慢特别慢，这里就是效率瓶颈，想办法优化。在经验不丰富的时候，可以使用这个简单方法能查出来大部分问题。

Answer 14

很感谢你一直回答我的疑问。其实是因为group by的字段太多了，因为数据一多，分组就慢了。最后缩短了分组字段个数这个问题就告一段落了。

Answer 15

撸主还是先把需求搞清楚，想要的结果是什么，再来用SQL来实现吧。
首先数据库字段要建索引，这样查询效率会提高吧。
发现一点就是t4是success、wait值，是不是t4就判断这两个值呢？如果是那应该分开来这么些或许会好些：
select t1, t2, t3, t4 from A group by t1, t2, t3 where t4='success'或者t4='wait',就是先把想要的数据过滤出来，然后group by中就不要加t4了，这样效率会快些。

Answer 16

楼主的sql实际上比下面这个还要复杂：
select a.a, aa.aa, b.b, a.t1, a.t2, a.t3, a.t4
  from (select count(1) a, t1, t2, t3, t4 from A group by t1, t2, t3, t4) a
  left join (select count(1) aa, t1, t2, t3, t4
               from A where t4 = 'success' group by t1, t2, t3, t4) aa
    on a.t1 = aa.t1
   and a.t2 = aa.t2
   and a.t3 = aa.t3
   and a.t4 = aa.t4
  left join (select count(1) b, t1, t2, t3, t4
               from B group by t1, t2, t3, t4) b
    on b.t1 = aa.t1
   and b.t2 = aa.t2
   and b.t3 = aa.t3
   and b.t4 = aa.t4
因为A和B都是两个表union来的，所以A和B实际上都是嵌套的子查询。
楼主最后不得不减少了分组字段解决速度的问题，其实是放弃了查询需求来凑合了。
我认为，做不下去的原因是SQL几个很重要的缺点造成的：不能分步计算、集合化不彻底、集合没有顺序还有没有对象引用机制。
如果这个问题用Java来写，应该是分成若干步骤的，每一步都不会太复杂，优化也比较容易。而且某些中间结果是可以复用的，不用像SQL那样算多遍。
用Java写的前提条件是把数据表从库中搬出来，放到文件系统中，这样做的好处是文件数据可以预先排序。而且可以避免Java读取mysql数据库的jdbc传输缓慢的问题。
提升性能比较有效的办法是把这个任务分成三个，用不同的计算机上的Java程序同时计算，最后归并结果。也就是并行计算。并行计算对性能的提升就很明显了。
但是，Java来完成这个有点困难，一个是没有现成的group、条件过滤、结果集归并等函数，还有就是Java并行程序比较难写。
可以考虑一下集算器（esProc），可以分步计算，访问文件数据很容易，结构化类库很全，并行程序也有现成的架构，写起来比较简单。