关于按一定规则进行统计数目的算法（例如按月）--SQL篇-CSDN博客

本文链接：https://blog.csdn.net/linaren/article/details/4770228

■在这里我们数据表结构假设为如下这样：
（当然实际情况一般都是由多张表关联起来的，我们姑且把实际的子结果集做为表）
统计对象表1（假定名称为User，User可以是表，子查询结果集，视图）
1。id         --自增列（KEY）
2。name       --用户名称
3。logindate --登录日期
4。did        --部门标识

统计对象表2（假定名称为devn，devn可以是表，子查询结果集，视图）
1。did --部门标识（KEY）
2。dname --部门名称

■解决方案

㈠思路估计就是千篇一律：从数据库中查询出这样结构的数据，
然后交给写报表处理就行了，本文也没有脱离这个思路，
既然是基于数据库的，写查询语句就开始了。
㈡按照上面报表格式的要求，比较直接的一种SQL写法如下：
(SQL中的函数是ACCESS中的，其他数据库要做对应修改)
select
d.dname, --部门名称
u.name, --用户名称
(select count(id)
from User m1
where m1.did=d.did and format(m1.logindate,'yyyy/mm')='2009/01'
) as month1, --一月份登录次数
(select count(id)
from User m2
where m2.did=d.did and format(m2.logindate,'yyyy/mm')='2009/02'
) as month2, --二月份登录次数
(select count(id)
from User m3
where m3.did=d.did and format(m3.logindate,'yyyy/mm')='2009/03'
) as month3 --三月份登录次数
from devn d
left join user u on d.did=u.did
这段SQL通过在ACCESS中验证是可行的，这样查询出来的数据因为
结构与报表所需的数据能直接对应上，所以几乎不用其他处理就
交给报表程序来处理了，从我们实现的角度来说，的确是很方便的方法。
如果数据量比较小的情况，已经满足需求了。但如果数据量稍微大点，
执行这个查询就慢很多了，在ACCESS中验证结果是这样的：
User，devn中数据量在20000条左右，在我计算机上执行这个
查询需要15分钟，在其他数据库上没有做测试，但估计也快不到哪去。
■SQL优化
分析上面的SQL的执行复杂度，
设user数据量为l，devn数据量为m，统计的月数为n
每一个部门对应的每一个用户统计都要进行n次
所以这个SQL中仅统计（count部分）的算法复杂度粗略为：l*n
从这个算式上可以看出，只要任何一个数目增一，就是n倍级递增。
要优化这个SQL，关键部分就是在这个统计上尽量减少这种翻倍递增复杂度。
按这个思路，把复杂度改进成呈线性增长而不是翻倍，改进后的SQL如下：
select
d.dname,      --部门名称
u.name,       --用户名称
u.logindate, --登录月份
u.cnum        --登录次数
from devn d left join (
select name,did,
iif((format(logindate,'yyyy/mm')<='2009/07'),'2009/07',format(logindate,'yyyy/mm')) as logindate,
count(id) as cnum from user
group by name,did,iif((format(logindate,'yyyy/mm')<='2009/07'),'2009/07',format(logindate,'yyyy/mm'))
) u on u.did=d.did
这个SQL查询在同样20000条记录上在ACCESS中测试是2秒左右，这个查询
结果集条数是多了些，但执行效率提升了很多倍，现在存在的问题是