MySQL：检测大型连接表中至少存在 1 条记录答案

【问题标题】：MySQL: Detect existence of at least 1 record in large joined tableMySQL：检测大型连接表中至少存在 1 条记录
【发布时间】：2017-06-02 11:37:26
【问题描述】：

我有两张桌子：

用户（ID、姓名）

user_activities（id、user_id、activity_id、created_at）

user_activities 表非常大，有超过 3 亿行。

我正在尝试检测哪些用户在给定日期范围内进行了任何活动。换句话说，用户表上的行，其中一个连接行存在于 user_activities 表上某个 created_at 范围之间。

我可以使用 INNER JOIN、GROUP BY 和 WHERE 子句来做到这一点，但查询会运行很长时间，因为我相信它会在我的日期范围内命中所有 user_activities 行。

我真的不在乎“有多少”活动，只要他们有超过零个。所以我正在分组以获得计数（例如 210 个活动），而实际上我可以在找到 1 个后停止。

有没有比将所有 user_activity 行分组来计数更有效的方法？

有关信息，这是当前查询，它工作正常但需要很长时间：

SELECT u.id, u.name, COUNT(ua.id) AS activity_count
FROM users u
INNER JOIN user_activity ua ON u.id=ua.user_id
WHERE ua.created_at > '2017-01-01' AND ua.created_at < '2017-03-01'
GROUP BY u.id
HAVING activity_count > 0;

提前致谢！

【问题讨论】：

这里不需要 HAVING，没有活动的用户不会被包括在内。（即 activity_count 将始终大于 0。）
那么我也可以删除 COUNT(ua.id) 吗？
您是否需要计算每个用户的活动，还是知道用户处于活动状态（即在日期范围内至少有一项活动）就足够了？
是的，不需要 - 只要您只是想知道是否有任何活动。
至少存在 1 个活动，我不需要计算总共有多少。我认为 Gordon 在下面的第二个答案是进行此存在检查，所以我会尝试。

标签： mysql sql join

【解决方案1】：

你可以试试这个版本：

SELECT u.id, u.name,
       (SELECT COUNT(*)
        FROM user_activity ua 
        WHERE u.id = ua.user_id AND
              ua.created_at > '2017-01-01' AND
              ua.created_at < '2017-03-01'
       ) as activity_count
FROM users u
HAVING activity_count > 0;

为了提高性能，您需要在user_activity(user_id, created_at) 上建立索引。

编辑：

如果你只是想要存在，那么使用相同的索引，这应该会快得多：

SELECT u.id, u.name
FROM users u
WHERE EXISTS (SELECT 1
              FROM user_activity ua 
              WHERE u.id = ua.user_id AND
                    ua.created_at > '2017-01-01' AND
                    ua.created_at < '2017-03-01'
              );

虽然您的查询会进行复杂的处理，然后聚合一堆数据，但这应该扫描users 表，并在索引中查找用户是否存在适当的活动。

【讨论】：

非常感谢 Gordon，您的第二个查询正是我想要的！
看到你在预测分析方面的一些工作，我想你可能会喜欢这个。麻省理工学院发布了一些关于人工智能的讲座。开始有点慢，但会越来越好。 openculture.com/2017/05/… ...
@JohnCappelletti。 . .作为一名本科生，我在麻省理工学院学习了 Patrick Winston 的 AI 课程。我不会在公共论坛上给我的 cmets ;)
@GordonLinoff 太有趣了。我实际上在麻省理工学院任教。我儿子就读于夏季机器人学院（12 岁）。老师病了，所以我接了三天的课。从来没有足够的勇气把它写在我的简历上。

【解决方案2】：

使用EXISTS 子句，以便DBMS 认为在给定日期范围内为每个用户找到一条记录就足够了。

SELECT id, name
FROM users u
where exists
(
  select *
  from user_activity ua 
  where ua.user_id = u.id
  and ua.created_at > '2017-01-01' AND ua.created_at < '2017-03-01'
);

有了这个索引：

create index idx on user_activity(user_id, created_at);

【讨论】：

【解决方案3】：

获取在给定日期范围内完成活动的用户

select u.id, u.name  from users u
    where exists ( SELECT 1  FROM user_activity ua 
        where ua.user_id = u.id 
        and ua.created_at > '2017-01-01' AND
              ua.created_at < '2017-03-01')

为 user_activity(created_at) 创建索引

【讨论】：

【解决方案4】：

如果只是为了测试存在，那么：

SELECT EXISTS(
    SELECT u.id
        FROM user_activity AS ua 
        WHERE u.id = ua.user_id 
            AND ua.created_at > '2017-01-01' 
            AND ua.created_at < '2017-03-01'
) AS ret

这将简单地返回列 ret = 1 如果至少一行查询满足给定条件，否则返回列 ret = 0

【讨论】：