mysql - R3.8xlarge RDS 数据库需要几天时间才能运行查询

Question

我目前有一个表，其中包含大约 1200 万行评论，其中包含以下列:

id
productid
title
price
userid
profilename
helpfulness
score
review_time
summary
text

我的查询如下:

SELECT title, productid as p, count(text) as positive,
       (SELECT count(*) FROM `reviews` WHERE productid = p) as total
FROM `reviews`
WHERE text like '%my favorite book%'
GROUP BY productid
ORDER BY positive DESC;

它基本上是寻找评论文本中包含“我最喜欢的书”的所有产品ID，获取每个产品ID匹配的评论数量，然后计算每个产品ID的评论总数。

我在 AWS RDS 上的数据库中拥有此表，其类别设置为我能看到的最快的 r3.8xlarge，但它仍然需要几天的时间才能运行。

现在更奇怪的是，至少对我来说，如果我将文本搜索更改为以下内容:

SELECT title, productid as p, count(text) as positive,
       (SELECT count(*) FROM `reviews` WHERE productid = p) as total
FROM `reviews`
WHERE text like '%tim ferriss%' or
      text like '%timothy ferriss%'  or
      text like '%four hour workweek%'  or
      text like '%4-hour workweek%'  or
      text like '%four hour body%'  or
      text like '%4-hour body%'  or
      text like '%4 hour workweek%'  or
      text like '%4 hour body%'  or
      text like '%four hour chef%'  or
      text like '%4-hour chef%'  or
      text like '%4 hour chef%'
GROUP BY productid
ORDER BY positive DESC

甚至将数据库等级降低到m3.2xlarge，查询也只需不到20分钟。

我在这里遗漏了什么吗？任何建议都会有帮助，谢谢。

Answer 1

我认为使用条件聚合更容易编写您的查询:

SELECT title, productid as p,
       sum(text like '%my favorite book%') as positive,
       count(*) as total
FROM `reviews`
GROUP BY productid
ORDER BY positive DESC;

您的原始查询过滤掉了没有正面评价的产品。如果你真的想要这个，那么你可以添加:

HAVING positive > 0

在分组依据之后。