如何有效地选择SQL中根据不同时间戳计算的多个总和的平均总和？

Question

我有一个如下所示的数据库表：

id | macaddr | load | timestamp
=========================================
 1 | 0011111 |   17 | 2012-02-07 10:00:00
 1 | 0011111 |    6 | 2012-02-07 12:00:00
 2 | 0022222 |    3 | 2012-02-07 12:00:03
 3 | 0033333 |    9 | 2012-02-07 12:00:04
 4 | 0022222 |    4 | 2012-02-07 12:00:06
 5 | 0033333 |    8 | 2012-02-07 12:00:10
...

现在，我想计算不同时间段（例如今天、昨天、本周、本月）所有设备（= mac 地址）的平均负载。

可以通过首先找出不同时间点（样本日期）的总体负载总和，然后计算这些样本日期的负载总和的平均值来计算平均负载。例如，如果我想要最后十秒的平均负载（现在是 2012-02-07 12:00:10），我可以将样本日期决定为 12:00:02, 12:00： 04、12:00:06、12:00:08 和 12:00:10。然后，我将通过总结每个设备的最新负载值来计算负载总和：

2012-02-07 12:00:02 |  6  [= load(id=2)]
2012-02-07 12:00:04 | 18  [= load(id=2) + load(id=3) + load(id=4)]
2012-02-07 12:00:06 | 19  [= load(id=2) + load(id=4) + load(id=5)]
2012-02-07 12:00:08 | 19  [= load(id=2) + load(id=4) + load(id=5)]
2012-02-07 12:00:10 | 18  [= load(id=2) + load(id=5) + load(id=6)]

如果设备的负载值早于例如一个小时（此处发生于 id=1），则该设备的负载值将被忽略。在这种情况下，平均值为 16。

目前，我生成了一个相当复杂的查询，其中包含许多“UNION ALL”语句，这非常慢：

SELECT avg(l.load_sum) as avg_load
FROM (
    SELECT sum(so.load) AS load_sum 
    FROM (
        SELECT * 
        FROM (
            SELECT si.macaddr, si.load 
            FROM sensor_data si WHERE si.timestamp > '2012-02-07 11:00:10' AND si.timestamp < '2012-02-07 12:00:10'
            ORDER BY si.timestamp DESC 
        ) AS sm
        GROUP BY macaddr
    ) so
    UNION ALL
    [THE SAME THING AGAIN WITH OTHER TIMESTAMPS]
    UNION ALL
    [AND AGAIN]
    UNION ALL
    [AND AGAIN]
    ...
) l

现在想象一下我想计算整个月的平均负载。对于每小时的样本日期，我需要使用 UNION ALL 语句加入 30x24=720 个查询。在我的机器上完成整个查询需要近一分钟的时间。我确信没有 UNION ALL 语句有更好的解决方案。然而，我在网上没有找到任何有用的东西。因此，我非常感谢您的帮助！

Answer 1

使用 unix 时间戳的一小部分：首先我们制定每小时（3600 秒）平均值：

SELECT
  macaddr, 
  sum(CAST(load AS float))/CAST(count(*) AS float) AS loadavg,
  FLOOR(UNIX_TIMESTAMP(`timestamp`)/3600) AS hourbase
FROM sensor_data
GROUP BY macaddr,FLOOR(UNIX_TIMESTAMP(`timestamp`)/3600)

然后我们对整个月的平均值进行平均

SELECT 
  avg(loadavg) as monthlyavg,
  macaddr
FROM (
    SELECT
      macaddr, 
      sum(CAST(load AS float))/CAST(count(*) AS float) AS loadavg,
      FLOOR(UNIX_TIMESTAMP(`timestamp`)/3600) AS hourbase
    FROM sensor_data
    WHERE `timestamp` BETWEEN '2012-01-07 12:00:00' AND '2012-02-07 11:59:59'
    GROUP BY macaddr,FLOOR(UNIX_TIMESTAMP(`timestamp`)/3600)
) AS hourlies
GROUP BY macaddr, hourbase

Answer 2

为了让事情变得更容易，您应该创建一个“小时”函数，该函数返回一个日期时间，在小时部分之后没有有效数字。所以现在（2/2/2012 5:05pm）将是 2012-02-07 17:00。以下是小时函数的代码：（

select dateadd(hh, DATEPART(hh, current_timestamp), DATEADD(dd, 0, datediff(dd, 0, current_timestamp)))

将上述代码中的 current_timestamp 替换为小时函数的日期时间参数。我假设您将其创建为 dbo.fnHour()，并且它需要一个日期时间 然后，

您可以使用 dbo.fnHour() 作为分区函数来查询您想要的内容。您的 sql 看起来像这样：

select 
    avg(load) as avg_load
from (
    select dbo.fnHour(si.timestamp) [hour], macaddr, sum(load) as [load]
    from 
        sensor_data si 
    where 
        si.timestamp >= dateadd(mm, -1, current_timestamp)
    group by 
        dbo.fnHour(si.timestamp), macaddr
) as f

我还没有测试过，所以可能有一些拼写错误，但这应该是。足以让你继续前进。

Answer 3

我可能误解了你想要做什么。看起来你让事情变得比他们需要使用的采样复杂得多。也许提供结果示例可以让人们为您的特定案例提供更好的解决方案。

mysql> SELECT * FROM `test`;
+----+-----+------+------------+
| id | mac | load | when       |
+----+-----+------+------------+
|  1 |   1 |   10 | 2012-02-01 |
|  2 |   1 |   20 | 2012-01-01 |
|  3 |   2 |   60 | 2011-09-01 |
+----+-----+------+------------+

mysql> SELECT avg(`sum_load`)
    -> FROM 
    -> (
    ->    SELECT sum( `load` ) as sum_load
    ->    FROM `test`
    ->    WHERE `when` > '2011-01-15'
    ->    GROUP BY `mac`
    -> ) as t1;
+-----------------+
| avg(`sum_load`) |
+-----------------+
|         45.0000 |
+-----------------+

mysql> SELECT avg(`sum_load`)
    -> FROM 
    -> (
    ->    SELECT sum( `load` ) as sum_load
    ->    FROM `test`
    ->    WHERE `when` > '2011-01-15' AND `when` < '2012-01-15'
    ->    GROUP BY `mac`
    -> ) as t1;
+-----------------+
| avg(`sum_load`) |
+-----------------+
|         40.0000 |
+-----------------+