首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏前端,Java专栏

    深入分析SQL中的group-by和having

        这篇文章主要介绍了SQL中的group by 和 having 用法浅析,需要的的朋友参考下吧。

    9K00发布于 2019-11-29
  • 来自专栏爱可生开源社区

    技术分享 | MySQL 生产环境 GROUP BY 优化实践

    索引的访问有两种算法: 松散索引扫描(Loose Index Scan) 不需要扫描所有的索引记录,根据分组前缀(GROUY BY 的字段)跳跃扫描部分 Extra: Using index for group-by NULL | range | c1_c2_c3_idx | c1_c2_c3_idx | 256 | NULL | 7 | 100.00 | Using index for group-by | d | 2 | +----+---------+----------+ 6 rows in set (0.00 sec) Extra: Using index for group-by -+-------------------------------------+ 1 row in set, 1 warning (0.00 sec) Extra: Using index for group-by 在 Loose Index Scan 的成本大于 Tight Index Scan 的一些情况下,可以尝试用到两者的结合的方式,Extra: Using index for group-by (scanning

    46110编辑于 2024-09-14
  • 来自专栏性能与架构

    Mysql DISTINCT的实现思路

    range possible_keys: NULL key: idx_gid_uid_gc key_len: 4 ref: NULL rows: 10 Extra: Using index for group-by 这条查询完全使用索引实现,并且可以看到,他的实现使用了和group-by同样的方式 对于DISTINCT的优化,思路和GROUP BY基本上一致,关键在于利用好索引,当无法利用索引时,就要确保尽量不要在大结果集上面进行

    1.5K70发布于 2018-04-02
  • 来自专栏Java进阶架构师

    Springboot2.0教程(11)

    Using index for group-by:类似于访问表的Using index方式,Using index for group-by表示MySQL发现了一个索引,可以用来查询GROUP BY或DISTINCT

    95900发布于 2020-03-16
  • 来自专栏数据和云

    Oracle Hints - 先知的提示

    DIST_PLCMT Distinct Placement JOINFAC Join Factorization JPPD Join Predicate Push Down PLACE_GROUP_BY Group-By DIST_PLCMT Distinct Placement JOINFAC Join Factorization JPPD Join Predicate Push Down PLACE_GROUP_BY Group-By subqueries FILTER_PUSH_PRED Push filter predicates FULL_OUTER_JOIN_TO_OUTER Join Conversion GBYEL Group-by

    1.2K60发布于 2018-03-05
  • 来自专栏PingCAP的专栏

    TiDB 源码阅读系列文章(二十二)Hash Aggregation

    Hash Aggregate 的执行原理 在 Hash Aggregate 的计算过程中,我们需要维护一个 Hash 表,Hash 表的键为聚合计算的 Group-By 列,值为聚合函数的中间结果 sum 便可以得到最终结果: Hash 表 avg(b) [1] (6, 3) 2 [2] (3, 3) 1 Stream Aggregation 的执行原理 Stream Aggregate 的计算需要保证输入数据按照 Group-ByGroup-By 列上存在索引时,由索引读入数据可以保证输入数据按照 Group-By 列有序,此时同一个 Group 的数据连续输入 Stream Aggregate 算子,可以避免额外的排序操作 其中 `partialResultMap` 的 key 为根据 `Group-By` 的值 encode 的结果,value 为 [PartialResult](https://github.com/pingcap

    2.6K00发布于 2018-12-21
  • 来自专栏大数据解决方案

    Kylin、Druid、ClickHouse该如何选择?

    Kylin小结 适用于聚合查询场景;因为数据预聚合,Kylin可以说是最快的查询引擎(group-by查询这样的复杂查询,可能只需要扫描1条数据);Kylin查询效率取决于是否命中CuboId,查询波动较大 Druid数据模型 Druid数据模型比较简单,它将数据进行预聚合,只不过预聚合的方式与Kylin不同,Kylin是Cube化,Druid的预聚合方式是将所有维度进行Group-by,可以参考下图: Druid小结 Druid适用于聚合查询场景但是不适合有超高基维度的场景;存储全维度group-by后的数据,相当于只存储了Kylin Cube的Base-CuboID;每个维度都有创建索引,所以每个查询都很快

    1.4K20编辑于 2022-04-07
  • 来自专栏lgp20151222

    mysql explain用法和结果的含义

    Using index for group-by:类似于访问表的Using index方式,Using index for group-by表示MySQL发现了一个索引,可以用来查 询GROUP BY或 Using index for group-by:类似于访问表的Using index方式,Using index for group-by表示MySQL发现了一个索引,可以用来查 询GROUP BY或

    2.6K10发布于 2018-09-10
  • 来自专栏大数据成神之路

    Klin、Druid、ClickHouse核心技术对比

    KYLIN小结:适用于聚合查询场景;因为数据预聚合,Kylin可以说是最快的查询引擎(group-by查询这样的复杂查询,可能只需要扫描1条数据);kylin查询效率取决于是否命中CuboId,查询波动较大 DRUID数据模型 Druid数据模型比较简单,它将数据进行预聚合,只不过预聚合的方式与Kylin不同,kylin是Cube化,Druid的预聚合方式是将所有维度进行Group-by,可以参考下图: ? =’bj’查询条件下的site的一个group的pv的索引 通过索引在pv列中查找到相应的行,并做agg 后续计算 DRUID小结:Druid适用于聚合查询场景但是不适合有超高基维度的场景;存储全维度group-by

    1.6K10发布于 2021-01-06
  • 来自专栏路人甲Java

    面试官:MySQL 中的 distinct 和 group by 哪个效率更高?

    例如以下两条sql(只单单看表格最后extra的内容),我们对这两条sql进行分析,可以看到,在extra中,这两条sql都使用了紧凑索引扫描Using index for group-by。 | NULL | range | index_1 | index_1 | 5 | NULL | 955 | 100.00 | Using index for group-by | NULL | range | index_1 | index_1 | 5 | NULL | 955 | 100.00 | Using index for group-by

    1.5K10编辑于 2023-08-29
  • 来自专栏用户8644135的专栏

    Nginx日志实时分析利器(Ngxtop)

    另外一种较常用格式为common --no-follow 处理以前的日志,实时日志不做处理 -t <seconds> 或 --interval <seconds> 刷新频率,默认2秒 -g <var>或 --group-by remote address进行排序前10: [root@localhost ~]# ngxtop -l /usr/local/nginx/logs/access.log --no-follow --group-by

    2.5K40发布于 2021-07-07
  • 来自专栏令仔很忙

    令仔学MySql系列(一)----explain详解

    Using index for group-by 类似于访问表的Using index方式,Using index for group-by表示MySQL发现了一个索引,可以用来查 询GROUP BY或

    1.1K10发布于 2018-09-14
  • 来自专栏程序猿杂货铺

    【MySQL】语句执行分析

    Using index for group-by:类似于访问表的Using index方式,Using index for group-by表示MySQL发现了一个索引,可以用来查 询GROUP BY或 Using index for group-by:类似于访问表的Using index方式,Using index for group-by表示MySQL发现了一个索引,可以用来查 询GROUP BY或

    2.7K40发布于 2019-09-04
  • 来自专栏笔记生信

    生信提升day6-婷

    ,未进行赋值3:filter(),筛选行报错原因:”=“不正式的赋值符号”,“==”才是等于错误原因,多打了两个空格4:arrange(),按某一列或几列进行排序5:summarise(),汇总,结合group-by

    22920编辑于 2023-11-18
  • 来自专栏Java技术栈

    京东一面:MySQL 中的 distinct 和 group by 哪个效率更高?太刁钻了吧!

    例如以下两条sql(只单单看表格最后extra的内容),我们对这两条sql进行分析,可以看到,在extra中,这两条sql都使用了紧凑索引扫描Using index for group-by。 | NULL | range | index_1 | index_1 | 5 | NULL | 955 | 100.00 | Using index for group-by | NULL | range | index_1 | index_1 | 5 | NULL | 955 | 100.00 | Using index for group-by

    2.3K30编辑于 2023-02-27
  • 来自专栏云原生可观测性

    Kylin、Druid、ClickHouse 核心技术对比

    Kylin小结:适用于聚合查询场景;因为数据预聚合,Kylin可以说是最快的查询引擎(group-by查询这样的复杂查询,可能只需要扫描1条数据);kylin查询效率取决于是否命中CuboId,查询波动较大 03 Druid数据模型 Druid数据模型比较简单,它将数据进行预聚合,只不过预聚合的方式与Kylin不同,kylin是Cube化,Druid的预聚合方式是将所有维度进行Group-by,可以参考下图 ='bj'查询条件下的site的一个group的pv的索引 通过索引在pv列中查找到相应的行,并做agg 后续计算 Druid小结:Druid适用于聚合查询场景但是不适合有超高基维度的场景;存储全维度group-by

    2K20发布于 2020-08-18
  • 来自专栏时悦的学习笔记

    Oracle基本参数(PGA_AGGREGATE_TARGET)

    MANUAL 当启用自动内存管理(MEMORY_TARGET )时 该值为最小PGA值 ---- WORKAREA_SIZE_POLICY WORKAREA 指的是PGA中用于一些耗内存的操作(sort, group-by

    1.4K20发布于 2020-08-19
  • 来自专栏码上遇见你

    真正线上索引失效的问题是如何排查的

    explain select count(*), b from t2 group by b; Using index for group-by:表示MySQL在分组操作中使用了索引,通常在分组操作涉及索引中的所有列时发生 Using filesort for group-by:表示MySQL在分组操作中使用了文件排序,通常在无法使用索引进行分组操作时发生。 Using index for group-by; Using index for order by:表示MySQL在分组和排序操作中都使用了索引。

    52910编辑于 2024-03-20
  • 来自专栏NebulaGraph 技术文章

    图查询语言 nGQL 简明教程 vol.01 快速入门

    did 属性开始探索 │ └───────────────────── 第一个查询语句 除了以上的集中表达之外,NebulaGraph 独有查询语句还有聚合的表达参考 GROUP-BY pipe/ 引用符 $ 文档:https://docs.nebula-graph.com.cn/3.2.0/3.ngql-guide/5.operators/5.property-reference/ GROUP-BY :https://docs.nebula-graph.com.cn/3.2.0/3.ngql-guide/8.clauses-and-options/group-by/ nGQL Cheatsheet:

    1.5K20编辑于 2022-12-29
  • 来自专栏爱可生开源社区

    技术分享 | 大数据量更新,回滚效率提升方法

    # pt-ioprofile --profile-pid=7777 --aggregate=sum --cell=count --group-by=filename --save-samples=5.txt opt/mysql/data/3400/mysql-slow.log # pt-ioprofile --profile-pid=7777 --aggregate=sum --cell=count --group-by

    62230发布于 2020-11-03
领券