mysql group 查询的替代_sql查询之统计数据的优化，用IF或者group by 代替多次查询全表...

今天发现一段老代码，是表单统计的时候用的，就是从mysql里面查询某个时间段的数据统计，根据时间自动格式化分组查询。

开始的时候都非常顺利，只是现在数据量有点大了(170w+)就显得有些慢了。

问题：数据量增大导致统计非常慢，多种类型的统计需要多次查询同一个表，导致查询消耗时间加N倍。

解决：将多条查询sql合并为一条，用IF判断或者group by 类型、时间后用php处理结果。

原来的sql：SELECT SUM(payPrice - refundMoney) total, DATE(payTime) payTime FROM tabl_name

WHERE payTime >= '" . $stime . "'

AND payTime <= '" . $etime . "' " . $where . "

GROUP BY DATE(payTime)

ORDER BY DATE(payTime) ASC

然后根据where多次按类型查询整个数据库。

调整后的sql：SELECT  SUM(IF(payChannel='wx_pub',payPrice - refundMoney,0)) wx_pub,

SUM(IF(payChannel='wx_lite',payPrice - refundMoney,0)) wx_lite,

SUM(IF(payChannel='wx_h5',payPrice - refundMoney,0)) wx_h5,

SUM(IF(payChannel='ali_wap',payPrice - refundMoney,0)) ali_wap,

SUM(payPrice - refundMoney) total,

DATE(payTime) payTime

FROM

table_name

WHERE

payTime >= '" . $stime . "'

AND payTime <= '" . $etime . "'

GROUP BY

DATE(payTime)

ORDER BY

DATE(payTime) ASC

这是用IF判断在一条SQL里面实现统计，这样减少了查询次数，大大提高了效率

说明：索引已经添加，两种结果查询后都需要重新格式化(如某日没有数据字段添加0等)

下图是总数据量(默认本月)：

下图是优化后的查询，每次都不超过4秒，修改SQL前每次都在11~15秒

下图是调整SQL前的时间，用了12秒多

随着系统上线，交易数据会不断增大，所以数据库的优化非常重要。设计数据库的时候要考虑到数据量的检索，比如增加索引、调整类型等。