można utworzyć wartości kwartylu przez korzystając IF ustawić je do zera, jeśli w złym kwartyla:
Załóżmy, surowy tabela danych jest tworzona przez
DROP TABLE IF EXISTS `rawdata`;
CREATE TABLE `rawdata` (
`id` int(11) NOT NULL AUTO_INCREMENT,
`url` varchar(250) NOT NULL DEFAULT '',
`time` int(11) NOT NULL,
PRIMARY KEY (`id`),
KEY `time` (`time`)
) ENGINE=MyISAM DEFAULT CHARSET=utf8;
(i oczywiście zaludniony).
Załóżmy również dane tabeli kwartyl jest tworzony przez
DROP TABLE IF EXISTS `quartiles`;
CREATE TABLE `quartiles` (
`url` varchar(250) NOT NULL,
`Q1` float DEFAULT '0',
`Q2` float DEFAULT '0',
`Q3` float DEFAULT '0',
`Q4` float DEFAULT '0',
PRIMARY KEY (`url`),
) ENGINE=MyISAM DEFAULT CHARSET=utf8;
(i pozostawić puste).
Następnie procedura zapełnić kwartyle z rawdata wyglądałby
DELIMITER ;;
CREATE PROCEDURE `ComputeQuartiles`()
READS SQL DATA
BEGIN
DECLARE numrows int DEFAULT 0;
DECLARE qrows int DEFAULT 0;
DECLARE rownum int DEFAULT 0;
DECLARE done int DEFAULT 0;
DECLARE currenturl VARCHAR(250) CHARACTER SET utf8;
DECLARE Q1,Q2,Q3,Q4 float DEFAULT 0.0;
DECLARE allurls CURSOR FOR SELECT DISTINCT url FROM rawdata;
DECLARE CONTINUE HANDLER FOR NOT FOUND SET currenturl='';
OPEN allurls;
FETCH allurls INTO currenturl;
WHILE currenturl<>'' DO
SELECT COUNT(*) INTO numrows FROM rawdata WHERE url=currenturl;
SET qrows=FLOOR(numrows/4);
if qrows>0 THEN
-- Only session parameters can be recalculated inside a query,
-- so @rownum:[email protected]+1 will work, but rownum:=rownum+1 will not.
SET @rownum=0;
SELECT
SUM(IFNULL(QA,0))/qrows,
SUM(IFNULL(QB,0))/qrows,
SUM(IFNULL(QC,0))/qrows,
SUM(IFNULL(QD,0))/qrows
FROM (
SELECT
if(@rownum<qrows,time,0) AS QA,
if(@rownum>=qrows AND @rownum<2*qrows,time,0) AS QB,
-- the middle 0-3 rows are left out
if(@rownum>=(numrows-2*qrows) AND @rownum<(numrows-qrows),time,0) AS QC,
if(@rownum>=(numrows-qrows),time,0) AS QD,
@rownum:[email protected]+1 AS dummy
FROM rawdata
WHERE url=currenturl ORDER BY time
) AS baseview
INTO Q1,Q2,Q3,Q4
;
REPLACE INTO quartiles values (currenturl,Q1,Q2,Q3,Q4);
END IF;
FETCH allurls INTO currenturl;
END WHILE;
CLOSE allurls;
END ;;
DELIMITER ;
Głównymi punktami są:
- użyć kursora do cyklu adresy URL (lub dostosować próbki zaakceptować URL jako parametr)
- Dla każdego adresu URL znajdź łączną liczbę wierszy
- Wykonaj trochę trywialnej matematyki, aby pominąć środkowe wiersze, jeśli
(rowcount % 4) != 0
- wybranie wszystkich surowców wierszy dla adresu URL, przypisując wartość
time
jednego z QA-QD, w zależności od liczby rzędów, przypisywanie innego Qx zostanie 0
- używające tego zapytania jako podkwerendzie do innego, który podsumowuje i normalizuje wartości
- wykorzystać wyniki tej superquery zaktualizować Ćwiartki stół
testowałem to z 18432 wierszy, url=concat('http://.../',floor(rand()*10)), time=round(rand()*10000)
surowców na maszynie 8x1.9GHz i wykończone konsekwentnie w 0.50-0.54sec
"SQL For Smarties" Joe Celko zawiera rozdział o statystyki (tryb, mediana, wariancja, itp.) Warto ceny zakupu. –