请教一个关于PHP大数组去重的问题

逻辑比较复杂，在MySQL中去重可能不太容易实现，有些字段是要拆解出来做统计的，比如一个字段是“a-b”，这条数据被拿出来后，要拆解成"所有"、"a"、"a-b"三个级别，在三个级别内相应的去重（类似的字段有多个），同张表内有多种字段组合的需要去重，目前高峰的时候数据量几千万+，还在增长中，用DISTINCT的话效率应该也不高，分次5w条取数据的时候会在5w条内用DISTINCT做个预去重，然后再入到PHP中去重。

CREATE TABLE `play` (
  `id` int(10) unsigned NOT NULL AUTO_INCREMENT,
  `time` time NOT NULL,
  `uid` int(10) unsigned NOT NULL,
  `game` varchar(255) NOT NULL',
  `channel` varchar(255) NOT NULL,
  `system` varchar(255) NOT NULL,
  `screen` varchar(255) NOT NULL,
  `network` varchar(255) NOT NULL,
  PRIMARY KEY (`id`),
  KEY `datetime` (`time`)
) ENGINE=InnoDB高峰的时候数据有几千万+这样，比如上面是部分字段，需要对game-channel-system、game-channel-screen、game-channel-network做去重，其中game和channel类似于“所有游戏-魔兽世界-1服”的结构，需要分解出“1服”、“魔兽世界”、“所有游戏”，在这三个level内分别去重。

字段：id time uid game channel system screen network
1　1421812389　10000　所有游戏-魔兽世界-0服　 360-360联盟　WIN7　1024x768　电信
2　1421812389　10001　所有游戏-魔兽世界-1服　网易-网易联盟　XP　1366x768　联通
3　1421812389　10000　所有游戏-魔兽世界-0服　 360-360联盟　WIN7　1024x768　电信比如统计各个游戏各个渠道的操作系统分布
按game-channel-system去重，其中game和channel都需要分解出不同level，在不同level中去重，如“所有游戏-魔兽世界-0服”需在所有游戏、魔兽世界、0服这三个level中去重，所以第一条game和channel拆解完就变为3X2=6条

可以合并数组array_merge 然后去重array_unique
不知道速度如何毕竟没用那么大数组过，可以测试一下

我们按你给出的数据做一个测试drop table if exists play;CREATE TABLE `play` (
  `id` int(10) unsigned NOT NULL AUTO_INCREMENT,
  `time` int(10) NOT NULL,
  `uid` int(10) unsigned NOT NULL,
  `game` varchar(255) NOT NULL,
  `channel` varchar(255) NOT NULL,
  `system` varchar(255) NOT NULL,
  `screen` varchar(255) NOT NULL,
  `network` varchar(255) NOT NULL,
  PRIMARY KEY (`id`),
  KEY `datetime` (`time`)
) charset=gbk;insert into play values
(1,1421812389,10000,'所有游戏-魔兽世界-0服','360-360联盟','WIN7','1024x768','电信'),
(2,1421812389,10001,'所有游戏-魔兽世界-1服','网易-网易联盟','XP','1366x768','联通'),
(3,1421812389,10000,'所有游戏-魔兽世界-0服','360-360联盟','WIN7','1024x768','电信');drop table if exists play_game;create table play_game ( game varchar(100) ) charset=gbk;insert into play_game values ('所有游戏'),('魔兽世界'),('0服'),('1服');drop table if exists play_channel;create table play_channel ( channel varchar(100) ) charset=gbk;insert into play_channel values ('360'),('360联盟'),('网易'),('网易联盟');select a.id, a.time, a.uid, b.game, c.channel, a.system, a.screen, a.network from play a, play_game b, play_channel c where
  find_in_set(b.game, replace(a.game, '-', ','))
  and
  find_in_set(c.channel, replace(a.channel, '-', ','))
可得到这样的结果
id time　　　　uid　　game　　　channel　system　screen　　network
1  1421812389　10000　所有游戏　360　　　WIN7　　1024x768　电信
3  1421812389　10000　所有游戏　360　　　WIN7　　1024x768　电信
1  1421812389　10000　魔兽世界　360　　　WIN7　　1024x768　电信
3  1421812389　10000　魔兽世界　360　　　WIN7　　1024x768　电信
1  1421812389　10000　0服　　　360　　　WIN7　　1024x768　电信
3  1421812389　10000　0服　　　360　　　WIN7　　1024x768　电信
1  1421812389　10000　所有游戏　360联盟　WIN7　　1024x768　电信
3  1421812389　10000　所有游戏　360联盟　WIN7　　1024x768　电信
1  1421812389　10000　魔兽世界　360联盟　WIN7　　1024x768　电信
3  1421812389　10000　魔兽世界　360联盟　WIN7　　1024x768　电信
1  1421812389　10000　0服　　　360联盟　WIN7　　1024x768　电信
3  1421812389　10000　0服　　　360联盟　WIN7　　1024x768　电信
2  1421812389　10001　所有游戏　网易　　 XP　　　1366x768　联通
2  1421812389　10001　魔兽世界　网易　　XP　　　1366x768　联通
2  1421812389　10001　1服　　　网易　　XP　　　1366x768　联通
2  1421812389　10001　所有游戏　网易联盟 XP　　　1366x768　联通
2  1421812389　10001　魔兽世界　网易联盟 XP　　　1366x768　联通
2  1421812389　10001　1服　　　网易联盟 XP　　　1366x768　联通
再从这个结果出发，还有什么是不可用 SQL 做到的呢？如果你永久性的将所有游戏-魔兽世界-0服改为所有游戏,魔兽世界,0服那就不需要在查询时执行 replace 函数了（当然这可能会涉及程序的改动），效率自然会有所提高
如果你再将最后的查询定义成视图的话，效率就又会提高不少（视图中如果一条记录的源数据没有被改变，则不做查询动作而直接返回缓存的结果）

其实"所有游戏-魔兽世界-0服"会分解出“所有游戏”、“所有游戏-魔兽世界”、“所有游戏-魔兽世界-0服”
单单0服可能会和其他游戏的0服重复，不过思路有了，回头试试，thx

最后统计结果以game为key
按游戏查看数据都叫0服比较麻烦~

再说，如果这样：所有游戏-魔兽世界_1服或所有游戏,魔兽世界_1服也就不会单列出来的
或者说是不在 play_game 中加入 0服、1服
同样都不会将 0服、1服单列出来

怎么能把所有游戏-wow-1服存在一个字段里呢~
我是建议添加几个字段，将它拆开保存，然后在mysql上排重

调试易

请教一个关于PHP大数组去重的问题

解决方案 »