老铁们，大家好，相信还有很多朋友对于mysql按时间排序和java按时间排序的相关问题不太懂，没关系，今天就由我来为大家分享分享mysql按时间排序以及java按时间排序的问题，文章篇幅可能偏长，希望可以帮助到大家，下面一起来看看吧！
本文目录
- mysql中对表按门店编号分组,按时间降序排序后取第二条数据
- Mysql根据分组的时间间隔小于30分钟并分组
- Sql优化-多like模糊查询及根据时间排序
- mysql按主键排序为什么比索引快
- MySQL根据时间将商品销售按天为列显示
- mysql查询表的列名,顺序不对
一、mysql中对表按门店编号分组,按时间降序排序后取第二条数据
据我所知，MySQL没有分组里面做这么多事的函数，Oracle才有。这种定制功能适合编程实现，如果你的数据量不大，可以用Python的pandas来做。如果非用SQL，分组时候取更大日期t1，t表删除每个组更大日期t1表内容以后，再来一次剩下内容更大日期得t2，拿t2关联t可以得到你要的数据。
二、Mysql根据分组的时间间隔小于30分钟并分组
1、可以写出从数据上可以直观看出分组的sql,另外对于"分组的时间间隔小于30分钟"这句话可能引申出两种理解:
2、数据先按时间排序,只要相邻数据DEAL_TIME在30分钟以内则归组,比如2019-06-06 13:00:00, 2019-06-06 13:05:00和2019-06-06 13:32:00可以归为一组;
3、数据先按时间排序,对于理解1的3条数据,此时2019-06-06 13:32:00和2019-06-06 13:00:00的间隔超过30分钟,需要另起一组
4、对于上述两个理解我这边都给出例子,原理和MySql的rownumber实现有些类似,排序后加上条件滚动计算,方案有不足的地方, 1是多一层排序嵌套子查询, 2是结果如果不再嵌套会多出计算过程列
5、DROPTEMPORARYTABLEIFEXISTSTMP_DEAL_TIME;
6、CREATETEMPORARYTABLETMP_DEAL_TIME(DEAL_TIMEDATETIME)AS
7、SELECTDATE_ADD(CURDATE(),INTERVAL600*RAND()MINUTE)ASDEAL_TIME
8、FROM(SELECT1UNIONALLSELECT2UNIONSELECT3UNIONALLSELECT4UNIONALLSELECT5)A,
9、(SELECT1UNIONALLSELECT2UNIONSELECT3UNIONALLSELECT4UNIONALLSELECT5)B;
10、SELECTDEAL_TIMEFROMTMP_DEAL_TIMEORDERBYDEAL_TIME;
11、--理解1:只要相邻时间为指定分钟数以内则聚合
12、CASEWHEN@lastDealTimeISNULLTHEN@minLevel:=1
13、WHENDEAL_TIME>DATE_ADD(@lastDealTime,INTERVAL30MINUTE)
14、THEN@minLevel:=@minLevel+1ENDASCOMPUT_CONDITION,
15、@lastDealTime:=DEAL_TIMEASLAST_DEAL_TIME,
16、FROM(SELECTDEAL_TIMEFROMTMP_DEAL_TIMEORDERBYDEAL_TIME)E,
17、--理解2:只和开始聚合的之一条时间比较,只有当该条数据处在聚合之一条指定分钟数以内才归组
18、CASEWHEN@lastDealTimeISNULLTHEN@minLevel:=1
19、WHENDEAL_TIME>DATE_ADD(@lastDealTime,INTERVAL30MINUTE)
20、THEN@minLevel:=@minLevel+1ENDASCOMPUT_CONDITION,
21、CASEWHEN@lastDealTimeISNULLTHEN@lastDealTime:=DEAL_TIME
22、WHENDEAL_TIME>DATE_ADD(@lastDealTime,INTERVAL30MINUTE)
23、THEN@lastDealTime:=DEAL_TIMEENDASLAST_DEAL_TIME,
24、FROM(SELECTDEAL_TIMEFROMTMP_DEAL_TIMEORDERBYDEAL_TIME)E,
25、(SELECT@minLevel:=0)G;
对于理解1的执行结果如下:
26、后续可以根据结果中的GROUP_LEVEL进行分组显示
三、Sql优化-多like模糊查询及根据时间排序
1、环境：用的mysql版本 select Version();
2、用的是两张表联查，四个条件like查询，根据时间排序降序
3、其中A，B表没有大字段，A表20万多数据，B表50万多条数据。语句如下：
4、 SELECT A.bondId,A.sname,A.cname,A.secuCode,A. ISSUER,A.guarantor,B.underwriter AS infoSource
5、 LEFT JOIN B ON B.bondId= A.bondId
6、 AND B.underwriter='有限公司'
7、 AND A.startDate<='2020-04-21 18:02:10'
8、 AND A.endDate>='2020-04-21 18:02:10'
9、 A.cname LIKE'%%' OR A.sname LIKE'%%' OR A.secuCode LIKE'%%'
10、 OR A. ISSUER LIKE'%%'OR A.guarantor LIKE'%%')
11、 ORDER BY A.startDate DESC
12、这是2个表都没有加索引的情况，从explain来看结果非常糟糕，都是全表扫描，并且产生临时表同时有文件排序，效率肯定非常低。
13、首先尝试在B表上建立一个联合索引
14、可以考虑从关联字段及where条件字段考虑（bondId, underwriter, agentType）
15、ALTER TABLE B ADD INDEX bua_index(bondId, underwriter, agentType)
16、可以看到B表用到了我们刚刚建的联合索引，并且额外信息是Using index，type是ref级别的，效果比较理想，再来看A表。
17、 Where条件中有多个like，这种情况下一般索引都是不可用的，所以必须用覆盖索引解决，
18、由于又根据startDate排序，所以尝试根据如下字段建立联合索引，同时查询的字段就是索引中的字段（startDate, endDate,cname, sname, secuCode, issuer, guarantor）
19、ALTER TABLE A ADD INDEX index_scssig(startDate, endDate,cname, sname, secuCode, issuer, guarantor)
20、这样乍看上去A表也用到了刚刚建的联合索引，并且type是range级别虽然比ref差点，按理说应该也还可以，但是我执行sql语句，效率还是非常差，查询耗时达到8s，并且偶尔还不止这个时间
21、究其原因，虽然使用了索引，但是extra里面是Using index condition&Using where
22、回表操作了，我在想如果将extra优化成Using index效率肯定没问题
23、故再进一步优化，还是从索引入手
24、在联合索引上添加2个字段isValid, bondId再试试
25、 ALTER TABLE A ADD INDEX index_scssig(isvalid,startDate, endDate,cname, sname, secuCode, issuer, guarantor,bondId)
26、这个结果就是我想要的，然后执行sql看看效率：
27、已经提升了很多了，但是我试了别的查询条件偶尔时间会到3，4s,怀疑和自己的机器有关
28、在这这种多个like的or查询mysql本身并不擅长，无奈坑爹的需要需要这样，可能效率并不是非常的高，优化成这样可以接受了。
29、最近对以前项目的慢查询进行sql调优，感觉性能的下降往往还是sql语句及索引的建立的问题，explain是很有帮助，正确优化还是能极大提升效率的。
四、mysql按主键排序为什么比索引快
MYSQL官方文档介绍索引是一种方便快速查询数据的数据结构。用我们生活中的例子来讲，索引就好比书的目录，如果没有目录，每次你想要查找某些内容，你必须从头开始查找，这样的效率极其低下。
索引一般比较大，所以大部分情况下索引是存在磁盘的索引文件上，也有可能是存在数据文件上。
索引的种类有很多：主键索引（这是最常见的一种索引，主键不能为空且必须唯一）、唯一索引（相对于主键索引，它的值可以为空）、全文索引（在char、varchar、text类型可以使用）、普通索引、前缀索引。按照列数来区分：单一索引、组合索引（多字段组成）
在讲解MYSQL索引的数据结构之前，我们先看看了解一下其他的数据结构，看看他们的优缺点进行对比。
二叉树简单来说就是左节点大于右节点，在理想的情况下，他的查找速度就接近与二分法的性能O(log2n)。因为在内存排序的时间是非常快的，可以忽略不计，所以总的消耗时间就取决于IO的操作次数。二叉树查找速度取决树高,每次查询接口都是一次IO操作，也是性能的瓶颈所在。
但是也会有这种一种情况,同样也是二叉树，但是他的树非常高，导致查询一次需要多次IO操作，效率及其低下
平衡二叉树可以解决二叉树不稳定导致查询效率低下的缺点。平衡二叉树的特点：树的左右节点层级更高相差一层。在插入或者删除的情况下，通过左旋转或右旋转使得整个二叉树平衡，不会出现层级相差很多的情况。平衡二叉树的性能接近二分法查找O(log2n)。
平衡二叉树查找id为8的记录，只需要IO操作2次即可。但是仔细想一下，如果数据量很多呢？假设数据表有100W的数据，根据O(log2n)计算，大约需要20次IO操作。磁盘寻道大概需要10ms，总的查询时间为20* 10= 0.2，效率也比较低下。
还有就是平衡二叉树不支持范围查询，范围查询每次都需要从根节点遍历，效率及其低下。
之前的几种树形结构适合与小数据量的内存查找，也叫做内查找。在1970年，R.Bayer和E.Mccreight提出了一种适合于外查找的平衡多叉树B-树。MYSQL数据文件是存在磁盘的，每次都是按照一页大小（一般而16K）读取内存。像二叉树、平衡二叉树，每次读取节点都要进行一次IO操作，所以树越高IO操作次数越多。想要提高
五、MySQL根据时间将商品销售按天为列显示
要根据时间将商品销售按天为列显示，你可以使用MySQL的PIVOT功能来实现。以下是一个示例查询，假设你的表名为sales，之一列为date，后续列为不同商品的访问量。
这个查询使用了嵌套的子查询和CASE语句来实现PIVOT功能。首先，子查询使用ROW_NUMBER()函数为每个商品的访问量生成一个唯一的列名（例如，visits、visits2、visits3）。然后，外部查询使用MAX(CASE...)语句将每个商品的访问量放置在正确的列中，并按日期进行分组。
请注意，你需要将查询中的表名、商品名称和列名（例如，'某商品1'、'某商品2'）替换为你实际使用的名称
六、mysql查询表的列名,顺序不对
1、information_schema.columns表中有一个ordinal_position字段，表示的是列标识号，其实就是字段编号，你可以看看这些字段标号是不是按照你现在有字段顺序摆列的，如果是，那么用ordinal_position排序就可以了。
2、如果不是，而是按照你查询information_schema.columns表的顺序编的号，那么可能在建表后有过插入字段（比原来表中没有第四题字段一类的），或者修改字段名称（这个也可能修改字段编号），那么就将数据备份重建该表，这样应该就没有问题了，不过可能也需要按照ordinal_position排序。
关于mysql按时间排序和java按时间排序的介绍到此就结束了，不知道你从中找到你需要的信息了吗 ？如果你还想了解更多这方面的信息，记得收藏关注本站。
