金山面试题

参考论坛：http://topic.csdn.net/u/20120820/23/C6B16CCF-EE15-47C0-9B15-77497291F2B9.html

 

一、题目

数据库1中存放着a类数据，数据库2中存放着以天为单位划分的表30张（比如table_20110909,table_20110910,table_20110911）,总共是一个月的数据。表1中的a类数据中有一个字段userid来唯一判别用户身份，表2中的30张表（每张表结构相同）也有一个字段userid来唯一识别用户身份。如何判定a类数据库的多少用户在数据库2中出现过？

1)各位高手能否说一下这道题的考点是什么
2)能否说一下你们的实现思路或者关键的sql语句

二、

法一：

select count(*) from 数据库1.a类数据  
where exists (select 1 from 数据库2.table_20110909 where userid = 数据库1.a类数据.userid)
or exists (select 1 from 数据库2.table_20110910 where userid = 数据库1.a类数据.userid)
or exists (select 1 from 数据库2.table_20110911 where userid = 数据库1.a类数据.userid)

法二：

由于法一不适合在数据量很大的情况，帮采用临时表的思路

就是把每天的表的userid提取出来 到一张userid表

create table userid(userid int primary key)

每天凌晨的时候执行

insert ignore into userid select count(distinct userid) from 数据库2.table_2011xxxx;

然后在用法一去userid这个表匹配

法三：

2个数据库是否在同一机器上，如不在，要用到FEDERATED 存储引擎。

法四：

用hash表。大数据处理一般把需要的数据一下子找出来放到内存，在内存中处理，如果用表连接得处理到何年何月，反正现在的内存都白菜价了。

法五：

我们的解决方法是：

建立一张用户表，UserInMonth（userid）表里面只放不重复的用户Id；把（table_20110909,table_20110910,table_20110911）的用户Id放到一张User表里面userid都统一放到这个表里面去。

判断的时候select count(1) from user u inner join UserInMonth um on u.userid=um.userid.至于数据可以用存储过程，或者一些数据仓库的用具。
另外说一点，把表拆分的每日一张表，就是因为数据量比较大。。。我以前做一个GPS项目的时候，也是这么做的，每天一张表，一张表5G左右的数据。我们是把原始数据和计算过的业务数据分离的思路来实现的。。。希望对你有帮助。