这是一个创建于 2016 天前的主题，其中的信息可能已经有所发展或是发生改变。
我们的一个小程序在使用 MySQL 做数据存储，最大的单表 1-2 千万行，每天的增量不到 100W 行。
现在要做统计，可能会关联很多其他的表（活动，产品页面，用户等）。
直接在 navicat 中查，关联几个表，在 distinct 一下，就要一分钟了。
统计结果要做成 API，提供给网页端报表和 APP 端报表使用。
有什么更好的方案吗？
目前想到的临时方案是存储过程写结果表，定时更新。
比如一张表记录每天的新用户数和活跃用户数，一张表记录每天的订单情况。
这样做可以减轻数据库压力，但是不够灵活，运营方有一个需求要统计就需要写一个结果表。
也考虑过数据分层，构建多维数据仓库，然后使用微软的 SSAS 构建 CUBE，不知道这样做还能否通过 API 取 SSAS 中的数？
另外这种方案的成本怎么样？
再另外，现在这种数据量，有上 Hadoop 的必要吗？（目前开发团队主要技术栈是 Node,Python,.Net ）
现在要做统计，可能会关联很多其他的表（活动，产品页面，用户等）。
直接在 navicat 中查，关联几个表，在 distinct 一下，就要一分钟了。
统计结果要做成 API，提供给网页端报表和 APP 端报表使用。
有什么更好的方案吗？
目前想到的临时方案是存储过程写结果表，定时更新。
比如一张表记录每天的新用户数和活跃用户数，一张表记录每天的订单情况。
这样做可以减轻数据库压力，但是不够灵活，运营方有一个需求要统计就需要写一个结果表。
也考虑过数据分层，构建多维数据仓库，然后使用微软的 SSAS 构建 CUBE，不知道这样做还能否通过 API 取 SSAS 中的数？
另外这种方案的成本怎么样？
再另外，现在这种数据量，有上 Hadoop 的必要吗？（目前开发团队主要技术栈是 Node,Python,.Net ）
第 1 条附言 · 2019-06-12 18:02:32 +08:00
每日增量不到 10w 行
 |
1
snappyone 2019-06-12 17:26:06 +08:00
你这个需求暂时没必要 hadoop，mysql 从库做统计能满足暂时需求应该
|
 |
4
misaka19000 2019-06-12 17:37:11 +08:00
你这个需要的是 OLAP 吧？
|
 |
5
roscoecheung1993 2019-06-12 17:55:57 +08:00
@caqiko 从库就很自由了...愿意写结果表就写结果表，不愿意写就随时跑 sql 呗～跑几个小时即使高负载也不影响主业务的
|
 |
6
caqiko OP @roscoecheung1993 但是前端报表要能及时看到啊。。不能前端请求等几个小时才出来个图片。。
|
|
7
caqiko OP @misaka19000
我们现在也考虑使用 olap 不知道您对产品选型有没有什么好的建议？ |
 |
8
endershadow 2019-06-12 18:01:59 +08:00  1
clickhouse 完事
|
 |
9
mind3x 2019-06-12 18:08:07 +08:00 1
Druid 了解一下
|
 |
10
npe 2019-06-12 18:11:58 +08:00
数据太大没办法做到实时，建议用定时任务，将数据提前准备好。代价是：数据延迟一天。
|
 |
11
myyou 2019-06-12 18:21:50 +08:00
Hadoop+kylin 可以做实时查询。数据量早晚都变大，不如尽快上 Hadoop，也方便前期积累经验。
|
 |
12
akira 2019-06-12 18:36:10 +08:00
目前想到的临时方案是存储过程写结果表，定时更新。
比如一张表记录每天的新用户数和活跃用户数，一张表记录每天的订单情况。 ------------------ 就是这个方案 起码足够你们再抗一年半年了 |
 |
13
KasonPasser 2019-06-12 19:55:32 +08:00
我之前做了一个，就是每半小时就统计一次当天的数据。不过我这对数据的实时要求是没有那么高的，同时这样统计会是有一些数据有差异性，要能接受这差异才可以这样使用。
|
|
14
snappyone 2019-06-12 20:24:08 +08:00
@caqiko 还有个方案，用 canal 拉 mysql 增量数据处理之后再合并，但是有一定限制，你可以看看适合你们不
|
 |
15
beidounanxizi 2019-06-12 20:26:51 +08:00
elk 轻松搞定 MySQL 单表查询千万级还是能 hold 住的 好好利用索引也没问题 join 查询的话 还是预处理数据走 elk 吧
|
 |
16
xiaochun41 2019-06-12 20:46:11 +08:00
这个量级索引使用合理的话，直接使用 sql 查没什么问题。
如果担心影响数据库上的实时业务，像上面的同学说的，可以使用从库做统计， 也可以考虑通过采集日志的方式来做。 |
 |
17
DiverRD 2019-06-12 20:54:55 +08:00 via Android
从库，索引利用好，把复杂的语句联表这些拆成简单的语句，多查几次。 千万级别还是可以应付的，没必要实时，允许数据一定承受范围内的延迟。
|
 |
18
fun 2019-06-12 21:17:18 +08:00
druid 很适合
|
 |
19
Vamposine 2019-06-12 21:17:52 +08:00 via iPhone
apache kylin 项目了解一下，数据源可以对接 mysql，支持 sql 查询，秒级响应
|
|
20
Vamposine 2019-06-12 21:19:54 +08:00 via iPhone
当然如果公司有预算，可以上 Kyligence Enterprise 企业版（ apache kylin 的商业版），有兴趣可以联系我
|
|
21
Vamposine 2019-06-12 21:22:06 +08:00 via iPhone
忘了提了，Kyligence Enterprise 现在无缝对接各大主流 BI 产品，那些 api 什么的根本不需要你提供。基本上就是开箱即用解决你现在所有的需求。速度非常快，当然选择 kylin 自己维护开发也可以。（顺带打得广告应该不会违反 v2 的规矩吧？）
|
 |
22
fireapp 2019-06-13 00:04:31 +08:00 via iPhone
binlog 实时同步写 avro，隔天 avro 转 parquet 然后单机 apache drill 或者单机 spark sql 鲁 sql 完事
|
|
24
fireapp 2019-06-17 08:15:55 +08:00 via iPhone 1
@caqiko 根据我的经验实施起来不麻烦，都是一些工具，找几个 demo 试试就会了
可以去掉 avro 这个，binlog 实时写 文本，csv/tsv 都行，隔天转 parquet， 转 parquet 能极大提高查询效率，还顺带支持压缩 drill 比 spark sql 简单，解压，简单配置下内存，启动就行， 通过它来 撸 sql 查询文本跟 parquet 文件 提供一台 8 核 16G 机器足够，都是秒查 |
 |
25
coder2019 2019-09-16 10:02:16 +08:00
现在我也遇到这个问题，用存储过程联表几个千万级表做数据统计，将结果存到另一张表里，统计操作大表时会直接卡死，各种调索引都没用，有人有经验分享吗
|
 |
26
jenlors 2020-01-01 01:01:25 +08:00
最近也遇到这样的需求，查询了一番似乎 clickhouse 是比较好的解决方案。
|
 |
27
shanechiu 2020-12-11 23:39:05 +08:00
为什么没人说 elasticsearch?
|
 |
28
tryit 2021-01-26 11:24:28 +08:00
请问下楼主现在的方案是什么呀，我们也遇到这个问题，mysql 统计查询到响应时间太长了，定时统计结果又不够灵活。。想求教下~谢谢
|
Select Language