数据库1中存放着a类数据,数据库2中存放着以天为单位划分的表30张(比如table_20110909,table_20110910,table_20110911),总共是一个月的数据。表1中的a类数据中有一个字段userid来唯一判别用户身份,表2中的30张表(每张表结构相同)也有一个字段userid来唯一识别用户身份。如何判定a类数据库的多少用户在数据库2中出现过?
1.只用sql语句来实现的话如下:
select count(userid) form 1.a where
exists(select userid from 2.table_20110909 where userid = 1.a.userid )
or exists(select userid from 2.table_20110910 where userid = 1.a.userid )
or exists(select userid from 2.table_20110911 where userid = 1.a.userid )
......
如果数据量大的话,可以创建临时表,可以在多台机器上运算,力图提高效率
2.以上全部用sql语句当然很慢,所以我们可以查出需要的数据,然后自己编写代码实现。
思路(userid之间可以比较大小):
第一步:查出1.a中所有的userid存放于list中
第二步:把2.1表中的userid构建成最大堆,然后以此把后面的表中的userid插入(不要重复的),然后就可以用堆排序进行排序。
第三步:对1.a中的所有userid用二分法在排序后的链表或数组中查询。