需求：统计用户首次 XXX 的时间，用户表：百万数据， XXX 表：亿级数据

[LoremIpSum]

来了几个比较不好处理的需求： 统计用户首次 XXX 的时间，XXX 代表用户行为，可以是评论，发帖，点赞等，XXX 表的数据上亿，用户表也接近百万，直接用 SQL 去查肯定不是很合适,如果要把每个用户首次 XXX 的数据拿出来的话，大概怎么样来跑数据比较合适？

[liprais]

为啥直接写 sql 不合适?

[alamaya]

没戏，拆表，把用户行为细分，存量数据迁移，只记录最新行为时间

[LoremIpSum]

@liprais

```
SELECT MIN(A.CreateTime) ,A.UserId
FROM XXX A
GROUP BY A.UserId
```
大概是这种 SQL,跑起来特别慢

[encro]

stat_by_day:
date,
action,
value

[sadfQED2]

分表 or 加缓存

你用 uid 分表不就完事了吗

[arrow8899]

SELECT * FROM (SELECT * FROM actives ORDER BY add_time ASC ) t1 GROUP BY t1.uid, t1.active_name;

[Raymon111111]

加上 user_id, action_type, time 的联合索引之后

直接查就行了, limit 1 很快的

[misaka19000]

每天凌晨算一次不就行了

[seaguest]

直接代码去实现吧，把用户都分页查出来，然后查每个用户的第一条，控制好并发，也很快的。

[misaka19000]

这种数据都是确定的，每天针对最新数据算一次就可以了，感觉没啥难度

[ccoming]

是“首次”，不是最新？

[LoremIpSum]

@ccoming 首次!

[jieee]

单独维护一张表

[tanszhe]

就用 3 楼的写法 ，
把首次 xxx 的数据存到时序数据库
什么都不用优化 百亿也很快

[xio]

postgres left join lateral

[opengps]

看到这类帖子我就想总结下： https://www.opengps.cn/Blog/View.aspx?id=470&from=v2ex

[msg7086]

首次多简单，直接写代码扫全表啊，数据放在 redis 之类的地方。程序每次记录扫完的数据，从头开始一页一页扫。（比如每页 10 万条记录。）扫到以后去 redis 检查是否首次，是的话写下时间，不是的话跳过。
应该很快的。

[passerbytiny]

最省心（但最废功夫）的办法是，搞数据仓库或 BI。最省功夫（但要一直重复造轮子）的方法是，写一个专门的程序，把数据从基础表抽取到中间表。最不可能的方式是，写一个超牛逼的 SQL 查出来。

[Soar360]

按行去处理咯。

[vmskipper]

这个好像微博的面试题。。。。