mysql中的多个移动平均线

Question

我必须在 mysql 中的数据集上计算移动平均线（不同时期）。我尝试了两种计算平均值的方法，但都需要相当长的时间。分享下面的代码。

方法：-1

select t1.*, 
    (select avg(t2.last_price) 
        from temp_data t2 
        where t2.rownum>t1.rownum-50 and t2.rownum<=t1.rownum and t1.script_code=t2.script_code) as 'ma_small_price'
from temp_data t1;

方法：-2

select t1.*, avg(t2.last_price) 'ma_small_price'
from temp_data t1
join temp_data t2
where t2.rownum>t1.rownum-50 and t2.rownum<=t1.rownum and t1.script_code=t2.script_code
group by t1.id,t1.date, t1.time;

这是表结构：

  CREATE TABLE `temp_data` (
  `id` int(11) NOT NULL DEFAULT '0',
  `rownum` int(11) DEFAULT NULL,
  `script_code` float DEFAULT NULL,
  `date` date DEFAULT NULL,
  `time` time DEFAULT NULL,
  `last_price` float DEFAULT NULL,
  `last_qty` float DEFAULT NULL
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

rownum 是具有连续行号的列。 ID 是主键，但不是连续的，所以我不得不添加一个单独的列

示例数据链接：https://www.dropbox.com/s/z8iacqvlkjdx6ax/temp_data_sample.xlsx?dl=0

接下来我必须并行计算同一数据的多个移动平均线，但周期（在上面的代码中指定为 50）是不同的。

我的数据集庞大且不断增长（> 1 百万行），运行这些查询所需的时间很长 - 每个约 20 分钟。寻求有关如何改进这些查询以减少运行时间的输入。谢谢！！

Answer 1

好问题 挑战是通过迭代对每一行进行分组 所以我们需要定义一个开始时间段和结束时间段，并在这些时间段之间连接同一张表

由于表格的大小，我添加了 order by 和 limit

我还将向 rownum 列添加索引，以使连接和组运行得更快

希望对你有帮助

ALTER TABLE temp_data ADD key rownum (rownum) ;


    SELECT 
         t3.rownum AS endp, 
        AVG(t3.last_price)
        FROM
temp_data t3
INNER JOIN temp_data t ON t.rownum BETWEEN  MAX(IFNULL(t3.rownum, 0)) - 50 AND t3.endp
        GROUP BY
        endp
ORDER BY rownum DESC
LIMIT 0,1000

Answer 2

好的。首先，只有 1M 行，这不应该花费 20 分钟。更像是20秒。如果您的 rownum 列是唯一的，则应将其索引为唯一键。它也应该是一个无符号整数。这样做会大大缩短您的查询时间，因为现在您似乎正在对每个连接进行完整的未排序表扫描。

其次，除非出于某种原因对于比较大量历史数据的数据库而言并不明显，否则您应该使用 ISAM 表，而不是 InnoDB。

第三，script_code 必须被索引，否则你将进行全表扫描。

更多： * 您在方法 2 中的连接语句是将每一行连接到每一行，然后执行 where。您应该在 rownum>t1.rownum-50 AND rownum

您的任何一个查询本身似乎都不是错误的。一旦你完成了上述优化，我的猜测是你的方法 1（子查询）仍然比没有方法 2 中的 WHERE 的正确 JOIN ON 更快。

此时，您应该使用 EXPLAIN SELECT 来查看每个查询中正在执行的操作。它将向您显示正在读取和连接的行数，以及正在使用哪些索引，帮助您缩小未索引连接的任何问题。