我正在构建一个CGI脚本,用于轮询sqlite数据库并构建统计表.下面描述源数据库表,以及相关代码的块.一切正常(功能上),但CGI本身非常慢,因为我有多个嵌套的SELECT COUNT(id)调用.我认为我最好的优化是向SO社区提问,因为我与谷歌的时间相对无果而终.
桌子：
CREATE TABLE messages (
id TEXT PRIMARY KEY ON CONFLICT REPLACE,date TEXT,hour INTEGER,sender TEXT,size INTEGER,origin TEXT,destination TEXT,relay TEXT,day TEXT);
(是的,我知道这个表没有标准化,但它填充了邮件日志中的摘录……我很高兴得到提取和填充工作,更不用说规范化了.我不认为表结构有在这一点上与我的问题有很多关系,但我可能是错的.)
样本行：
476793200A7|Jan 29 06:04:47|6|admin@mydomain.com|4656|web02.mydomain.pvt|user@example.com|mail01.mydomain.pvt|Jan 29
而且,构建我的表的Python代码：
#!/usr/bin/python
print 'Content-type: text/html\n\n'
from datetime import date
import re
p = re.compile('(\w+) (\d+)')
d_month = {'Jan':1,'Feb':2,'Mar':3,'Apr':4,'May':5,'Jun':6,'Jul':7,'Aug':8,'Sep':9,'Oct':10,'Nov':11,'Dec':12}
l_wkday = ['Mo','Tu','We','Th','Fr','Sa','Su']
days = []
curs.execute('SELECT DISTINCT(day) FROM messages ORDER BY day')
for day in curs.fetchall():
m = p.match(day[0]).group(1)
m = d_month[m]
d = p.match(day[0]).group(2)
days.append([day[0],"%s (%s)" % (day[0],l_wkday[date.weekday(date(2010,int(m),int(d)))])])
curs.execute('SELECT DISTINCT(sender) FROM messages')
senders = curs.fetchall()
for sender in senders:
curs.execute('SELECT COUNT(id) FROM messages WHERE sender=%s',(sender[0]))
print ' sql = 'SELECT COUNT(id) FROM messages WHERE sender="%s" AND day="%s" AND hour="%s"' % (sender[0],day[0],str(hour))
curs.execute(sql)
d = curs.fetchone()[0]
print '
我不确定是否有任何方法可以组合一些查询,或者从不同角度处理它以提取数据.我还想过构建一个带有计数的第二个表,并在原始表更新时更新它.我今天已经盯着这个太长时间了,所以我明天再打开它,希望能得到专家的一些见解;)
编辑：使用下面提供的GROUP BY答案,我能够在一个查询中获取数据库所需的数据.我切换到Perl,因为Python的嵌套dict支持对于我需要处理它的方式(以特定方式构建一组HTML表)的方式不能很好地工作.以下是修订后的代码片段：
my %data;
my $rows = $db->selectall_arrayref("SELECT COUNT(id),sender,day,hour FROM messages GROUP BY sender,hour ORDER BY sender,hour");
for my $row (@$rows) {
my ($ct,$se,$dy,$hr) = @$row;
$data{$se}{$dy}{$hr} = $ct;
}
for my $se (keys %data) {
print "Sender: $se\n";
for my $dy (keys %{$data{$se}}) {
print "Day: ",time2str('%a',str2time("$dy 2010"))," $dy\n";
for my $hr (keys %{$data{$se}{$dy}}) {
print "Hour: $hr = ".$data{$se}{$dy}{$hr}."\n";
}
}
print "\n";
}
曾经在大约28.024秒执行的现在需要0.415秒！
最佳答案
首先,您可以使用group by子句：
select count(*),sender from messages group by sender;
通过这种方式,您可以为所有发件人执行一个查询,而不是查询每个发件人.另一种可能性是：
select count(*),hour
from messages group by sender,hour
order by sender,hour;
我没有测试它,但至少现在你知道group by子句的存在.这应该减少查询的数量,我认为这是提高性能的第一个重要步骤.
第二,根据搜索列创建索引,在您的情况下,发件人,日和小时.
如果这还不够,请使用分析工具查找花费最多时间的位置.你还应该考虑使用fetchmany而不是fetchall来保持低内存消耗.请记住,因为sqlite模块是用C编码的,所以尽可能使用它.