背景是這樣的:根據(jù)用戶id分20張表記錄核心數(shù)據(jù),由于用戶與用戶之間所擁有的可能存在重復(fù)數(shù)據(jù),所以每天晚上都要對總體數(shù)據(jù)進(jìn)行去重統(tǒng)計(jì),也就是要將20張表的數(shù)據(jù)合并去重(去重條件是姓名和聯(lián)系方式一模一樣),而且每天晚上都要跑這個(gè)任務(wù)
由于20張表的數(shù)據(jù)超過千萬,而且還會增加,不太可能通過sql去重統(tǒng)計(jì)。我現(xiàn)在的做法是逐行讀取將去重字段(姓名和聯(lián)系方式)md5然后存入redis集合(會自動去重),最后用redis統(tǒng)計(jì)(辦法很蠢,可是想不出其他辦法了),但是這樣腳本會跑接近兩個(gè)小時(shí),有時(shí)候還會失敗
還有就是數(shù)據(jù)需要根據(jù)數(shù)據(jù)來源去重統(tǒng)計(jì)以及總數(shù)據(jù)去重統(tǒng)計(jì),并且隨時(shí)用戶都有增刪查改的操作,所以無法對所有數(shù)據(jù)匯總建立去重總表(如果建立去重總表,數(shù)據(jù)將分不出來源,無法統(tǒng)計(jì),而且增刪查改很難實(shí)時(shí)維護(hù))
求助:請問各位大神,是否有比較靠譜的統(tǒng)計(jì)方案?急急急!(產(chǎn)品是爹,開發(fā)是孫子,再變態(tài)的需求也只能啃)
可以增量統(tǒng)計(jì)
除了第一次全量統(tǒng)計(jì),以后只統(tǒng)計(jì)新增的(根據(jù)數(shù)據(jù)添加時(shí)間)和新更新的(根據(jù)數(shù)據(jù)更新時(shí)間)。
刪除操作只做邏輯刪除,每張表都應(yīng)該有添加時(shí)間和更新時(shí)間并且更新時(shí)間最好設(shè)置為自動更新。
比如:
CREATE TABLE `table_name` (
`xx` varchar(50) NOT NULL DEFAULT '' COMMENT 'xx',
`del_flag` tinyint(1) NOT NULL DEFAULT '0' COMMENT '標(biāo)志,0為有效,-1為無效',
`update_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP COMMENT '更新時(shí)間',
`add_time` timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP COMMENT '添加時(shí)間'
) ENGINE=InnoDB DEFAULT CHARSET=utf8 COMMENT='xxxxx';
產(chǎn)品腦殘給你挖的坑,還要你在未來很長一段時(shí)間內(nèi)去慢慢填。同情!
我來說一下我的思路。
增加兩張表:
* #用戶聯(lián)系方式匯總
user_contact_aggregate
id #id
md5_str #姓名+聯(lián)系方式的MD5串
table_name #位于哪張表中
row_id #指定張表中用戶ID
key idx_md5_str(md5_str) #注意增加索引
* #記錄統(tǒng)計(jì)腳本運(yùn)行日志
user_run_aggregate_log
id #id
table_name #哪張表
last_row_id #指定張表中最后的用戶ID
last_time #最后一次統(tǒng)計(jì)時(shí)間
操作過程是這樣的:
- 第一步:將所有的數(shù)據(jù)寫到user_contact_aggregate表(本次需要時(shí)間長一點(diǎn),后面就爽了),且記錄一下運(yùn)行日志.
- 第二步:先從日志表中讀出各表最后一次統(tǒng)計(jì)的最大的用戶ID,然后從各表中查詢出新增的用戶(條件id是大于最后一次統(tǒng)計(jì)的用戶ID,獲取增量部分?jǐn)?shù)據(jù),這部分?jǐn)?shù)據(jù)量小,統(tǒng)計(jì)效率高),再匯總用戶聯(lián)系方式且記錄本次運(yùn)行日志。
后續(xù)重復(fù)第二步!
user_contact_aggregate 表幾千萬條數(shù)據(jù)問題不大,按照md5_str查詢效率很高.
北大青鳥APTECH成立于1999年。依托北京大學(xué)優(yōu)質(zhì)雄厚的教育資源和背景,秉承“教育改變生活”的發(fā)展理念,致力于培養(yǎng)中國IT技能型緊缺人才,是大數(shù)據(jù)專業(yè)的國家
北大青鳥中博軟件學(xué)院創(chuàng)立于2003年,作為華東區(qū)著名互聯(lián)網(wǎng)學(xué)院和江蘇省首批服務(wù)外包人才培訓(xùn)基地,中博成功培育了近30000名軟件工程師走向高薪崗位,合作企業(yè)超4
中公教育集團(tuán)創(chuàng)建于1999年,經(jīng)過二十年潛心發(fā)展,已由一家北大畢業(yè)生自主創(chuàng)業(yè)的信息技術(shù)與教育服務(wù)機(jī)構(gòu),發(fā)展為教育服務(wù)業(yè)的綜合性企業(yè)集團(tuán),成為集合面授教學(xué)培訓(xùn)、網(wǎng)
達(dá)內(nèi)教育集團(tuán)成立于2002年,是一家由留學(xué)海歸創(chuàng)辦的高端職業(yè)教育培訓(xùn)機(jī)構(gòu),是中國一站式人才培養(yǎng)平臺、一站式人才輸送平臺。2014年4月3日在美國成功上市,融資1
浪潮集團(tuán)項(xiàng)目經(jīng)理。精通Java與.NET 技術(shù), 熟練的跨平臺面向?qū)ο箝_發(fā)經(jīng)驗(yàn),技術(shù)功底深厚。 授課風(fēng)格 授課風(fēng)格清新自然、條理清晰、主次分明、重點(diǎn)難點(diǎn)突出、引人入勝。
曾工作于聯(lián)想擔(dān)任系統(tǒng)開發(fā)工程師,曾在博彥科技股份有限公司擔(dān)任項(xiàng)目經(jīng)理從事移動互聯(lián)網(wǎng)管理及研發(fā)工作,曾創(chuàng)辦藍(lán)懿科技有限責(zé)任公司從事總經(jīng)理職務(wù)負(fù)責(zé)iOS教學(xué)及管理工作。
精通HTML5和CSS3;Javascript及主流js庫,具有快速界面開發(fā)的能力,對瀏覽器兼容性、前端性能優(yōu)化等有深入理解。精通網(wǎng)頁制作和網(wǎng)頁游戲開發(fā)。
具有10 年的Java 企業(yè)應(yīng)用開發(fā)經(jīng)驗(yàn)。曾經(jīng)歷任德國Software AG 技術(shù)顧問,美國Dachieve 系統(tǒng)架構(gòu)師,美國AngelEngineers Inc. 系統(tǒng)架構(gòu)師。