相关文章推荐
任性的便当  ·  org.apache.catalina.co ...·  7 月前    · 
豪情万千的柿子  ·  Install and Set Up ...·  12 月前    · 
打酱油的小蝌蚪  ·  vue3 input 回车-掘金·  1 年前    · 

最多知道MySQL 操作 Json

用户眼科属性表记录数大概 986w,目的是把大概 29w 记录的属性值(json 格式)的其中八个字段解析为数字,转储为统计表的记录,用于图表分析。

以下结构、数据都大部分我瞎诌的,不可当真

用户眼科属性表结构如下

CREATE TABLE `property` (
  `id` int(11) NOT NULL AUTO_INCREMENT,
  `ownerId` int(11) NOT NULL COMMENT '记录ID或者模板ID',
  `ownerType` tinyint(4) NOT NULL COMMENT '类型。0:记录 1:模板',
  `recorderId` bigint(20) NOT NULL DEFAULT '0' COMMENT '记录者ID',
  `userId` bigint(20) NOT NULL DEFAULT '0' COMMENT '用户ID',
  `roleId` bigint(20) NOT NULL DEFAULT '0' COMMENT '角色ID',
  `type` tinyint(4) NOT NULL COMMENT '字段类型。0:文本 1:备选项 2:时间 3:图片 4:ICD10 9:新图片',
  `name` varchar(128) NOT NULL DEFAULT '' COMMENT '字段名称',
  `value` mediumtext NOT NULL COMMENT '字段值',
  PRIMARY KEY (`id`),
  UNIQUE KEY `idxOwnerIdOwnerTypeNameType` (`ownerType`,`ownerId`,`name`,`type`) USING BTREE,
  KEY `idxUserIdRoleIdRecorderIdName` (`userId`,`roleId`,`recorderId`,`name`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='属性';

1、属性值是 Json 格式的,需要使用 Json 操作函数处理

因为属性值是 Json 格式的,如下。较大的一个 Json,但是只需要其中 8 个字段值,提取出来分门别类归为不同统计指标下。

{   ......
    "sight": {
        "nakedEye": {
            "left": "0.9",
            "right": "0.6"
        "correction": {
            "left": "1",
            "right": "1"
    ......
    "axialLength": {
        "left": "21",
        "right": "12"
    "korneaRadius": {
        "left": "34",
        "right": "33"
    ......

所以,需要用到 Json 操作函数:json_extract(value,'$.key1.key2')。

但是需要注意的是这个函数提取的值是带""。比如对上述记录执行json_extract(value,'$.sight.nakedEye.left')的结果是"22";也可能字段值是空字符串,那结果就是""。

所以,需要使用 replace函数把结果中的 "" 删除掉,最后提取字段的表达式就是:replace(json_extract(value,'$.sight.nakedEye.left'),'"','')。

如果字段不存在的话,结果就是 NULL;无论是外层 sight 不存在,或是内层 left 不存在。

2、字段内容不规范,乱七八糟

理想下,填写的都是规范数字,那经过上面那一步就可以提取完直接导入新表。

但是,现实很残酷,填的东西那叫一个乱七八糟。比如:

  • 数字 + 备注:1(配合欠佳)、1-+(我猜这是想表示偏高或偏低)
  • 数字 + 单位:跟上面相似,1mm
  • 多数值或区间:22.52/42.45、1-5
  • 纯文本描述:不配合、无法记录
  • 文本、数字混杂描述:较上次增长 10、<1、小于1、BD234/KD23
  • 第一步:排除正常的数字数据和空数据

    WHERE `nakedEyeLeft` REGEXP '[^0-9.]' = 1 // 这个已经可以排除 null 了
        AND `nakedEyeLeft` != ''
    

    第二步:如果不包含数字,将其设置 NULL 或空字符串

    SET nakedEyeLeft = IF(nakedEyeLeft NOT regexp '[0-9]', '', nakedEyeLeft)
    

    第三步:提取数字开头的数据的首个数值

    SET nakedEyeLeft = IF((nakedEyeLeft + 0 = 0), nakedEyeLeft, nakedEyeLeft + 0)
    

    结合起来就是

    SET nakedEyeLeft = IF(nakedEyeLeft NOT regexp '[0-9]''', '', 
                          IF((nakedEyeLeft + 0 = 0), nakedEyeLeft, nakedEyeLeft + 0))
    WHERE `nakedEyeLeft` REGEXP '[^0-9.]' = 1 // 这个已经可以排除 null 了
        AND `nakedEyeLeft` != ''
    

    PS:处理一个字段的SQL 看着就简单,但是因为批量一次处理 8 个字段,组合起来就很长。

    千万注意不要写错字段。

    最后剩下的就是第四类:文本、数字混杂,40 多条。

    有些看着简单的,可以用正则自动化处理,比如<1、小于1。

    记录的增长值,需要查找上次记录进行计算:较上次增长 10。

    剩下有点复杂的,就需要人为处理,提取出可用数据,比如BD234/KD23

    不知道看到这里的各位是不是也觉得有些麻烦呢?

    我也以为咬着牙搞了,结果业务说直接处理成 0,到时候发现是 0 的话,可以通过页面重新保存的。

    那最后数据格式化SQL:

    UPDATE property 
    SET nakedEyeLeft = IF(nakedEyeLeft NOT regexp '[0-9]''', '', nakedEyeLeft + 0)
    WHERE `nakedEyeLeft` REGEXP '[^0-9.]' = 1 // 这个已经可以排除 null 了
        AND `nakedEyeLeft` != '';
    

    3.又要抽取内容、又要格式化,记录还有 900w+,太慢了

    property 表有 900w+ 的数据,而所需记录的条件,只有name、ownerType、type是可知的,没法命中现有的索引。

    如果直接查找的话,直接就是全表扫描,外加数据提取和格式化;更何况还需要关联其他表,补充统计指标的一些其他字段。

    这种情况下,直接导入统计表的话,结果就是把两张表+关联表一起锁较长时间,期间没法更改和插入,这样不大现实。

    减少扫描行数

    做法一:给 name、ownerType、type 加上索引,将扫描记录缩减到 20 w。

    但是问题是900w 数据加索引,用完需要删除索引(因为不是业务情况需要),就会导致两次波动;

    再加上后续处理锁表时长,问题还是很大。

    做法二:将一个记录较少的表做驱动表,这个表可以关联目标表。

    CREATE TABLE `property` (
      `ownerId` int(11) NOT NULL COMMENT '记录ID或者模板ID',
      `ownerType` tinyint(4) NOT NULL COMMENT '类型。0:记录 1:模板',
      `type` tinyint(4) NOT NULL COMMENT '字段类型。0:文本 1:备选项 2:时间 3:图片 4:ICD10 9:新图片',
      `name` varchar(128) NOT NULL DEFAULT '' COMMENT '字段名称',
      `value` mediumtext NOT NULL COMMENT '字段值',
        省略其他字段
      UNIQUE KEY `idxOwnerIdOwnerTypeNameType` (`ownerType`,`ownerId`,`name`,`type`) USING BTREE
    ) ENGINE=InnoDB DEFAULT CHARSET=utf8mb4 COMMENT='属性';
    

    表中ownerId 可以关联到记录表,加上之前的条件name、ownerType、type,如此刚好命中 并``
    idxOwnerIdOwnerTypeNameType (ownerType,ownerId,name,type) 。

    CREATE TABLE `medicalrecord` (
      `id` int(11) NOT NULL AUTO_INCREMENT,
      `name` varchar(50) NOT NULL DEFAULT '' COMMENT '记录名称',
      `type` tinyint(4) NOT NULL DEFAULT '0' COMMENT '记录类型。',
        省略其他字段
      KEY `idxName` (`name`) USING BTREE
    ) ENGINE=InnoDB  DEFAULT CHARSET=utf8mb4 COMMENT='记录';
    

    记录表可以通过 name='眼科记录'命中索引idxName,扫描行数只有2w,加上属性表 29w,最后扫描行数只有 30w 左右,比之全表扫描属性表少了 30 倍!!!。

    避免数据提取和格式化的锁表时长

    因为存在 8 个字段,每个字段都需要提取和格式化,中间还需要进行判断。这样子一个 SQL 里面同样的提取和格式化操作就要多次执行了。

    所以,为了避免这样的问题,需要中间表暂存提取和格式化结果。

    CREATE TABLE `propertytmp` (
      `id` int(11) NOT NULL AUTO_INCREMENT,
       `value` mediumtext NOT NULL COMMENT '字段值',
      `nakedEyeLeft` varchar(255) DEFAULT NULL COMMENT '视力-裸眼-左眼',
      `nakedEyeRight` varchar(255) DEFAULT NULL COMMENT '视力-裸眼-右眼',
      `correctionLeft` varchar(255) DEFAULT NULL COMMENT '视力-矫正-左眼',
      `correctionRight` varchar(255) DEFAULT NULL COMMENT '视力-矫正-右眼',
      `axialLengthLeft` varchar(255) DEFAULT NULL COMMENT '眼轴长度-左眼',
      `axialLengthRight` varchar(255) DEFAULT NULL COMMENT '眼轴长度-右眼',
      `korneaRadiusLeft` varchar(255) DEFAULT NULL COMMENT '角膜曲率-左眼',
      `korneaRadiusRight` varchar(255) DEFAULT NULL COMMENT '角膜曲率-右眼',
      `updated` datetime NOT NULL COMMENT '更新时间',
      `deleted` tinyint(1) NOT NULL DEFAULT '0',
      PRIMARY KEY (`id`)
    ) ENGINE=InnoDB  DEFAULT CHARSET=utf8mb4;
    

    先将数据导入该表,在此基础上做提取,然后格式化。

    最后执行结果比较

    数据导入比较

    结果:全表扫描属性表导入中间表(40s),属性表新增索引+导入(6s + 3s),关联导入(1.4s)。

    因为需要关联其他表,并没有预测的那么理想。

    中间表数据提取:7.5s

    UPDATE `propertytmp` 
    SET nakedEyeLeft = REPLACE(json_extract(value,'$.sight.axialLength.left'),'"',''),
    nakedEyeLeft = REPLACE(json_extract(value,'$.sight.nakedEye.left'),'"',''),
    nakedEyeRight = REPLACE(json_extract(value,'$.sight.nakedEye.right'),'"',''),
    correctionLeft = REPLACE(json_extract(value,'$.sight.correction.left'),'"',''),
    correctionRight = REPLACE(json_extract(value,'$.sight.correction.right'),'"',''),
    axialLengthLeft = REPLACE(json_extract(value,'$.axialLength.left'),'"',''),
    axialLengthRight = REPLACE(json_extract(value,'$.axialLength.right'),'"',''),
    korneaRadiusLeft = REPLACE(json_extract(value,'$.korneaRadius.left'),'"',''),
    korneaRadiusRight = REPLACE(json_extract(value,'$.korneaRadius.right'),'"','');
    

    中间表数据格式化:2.3s

    正则判断比我想象的要快啊

    UPDATE propertytmp 
    SET nakedEyeLeft = IF(nakedEyeLeft NOT REGEXP '[0-9]' AND nakedEyeLeft != '', '', nakedEyeLeft + 0), 
    nakedEyeRight = IF(nakedEyeRight NOT REGEXP '[0-9]' AND nakedEyeRight != '', '', nakedEyeRight + 0), 
    correctionLeft = IF(correctionLeft NOT REGEXP '[0-9]' AND correctionLeft != '', '', correctionLeft + 0),
    correctionRight = IF(correctionRight NOT REGEXP '[0-9]' AND correctionRight != '', '', correctionRight + 0),
    axialLengthLeft = IF(axialLengthLeft NOT REGEXP '[0-9]' AND axialLengthLeft != '', '', axialLengthLeft + 0),
    axialLengthRight = IF(axialLengthRight NOT REGEXP '[0-9]' AND axialLengthRight != '', '', axialLengthRight + 0),
    korneaRadiusLeft = IF(korneaRadiusLeft NOT REGEXP '[0-9]' AND korneaRadiusLeft != '', '', korneaRadiusLeft + 0),
    korneaRadiusRight = IF(korneaRadiusRight NOT REGEXP '[0-9]' AND korneaRadiusRight != '', '', korneaRadiusRight + 0)
    WHERE (`nakedEyeLeft` REGEXP '[^0-9.]' = 1
           AND `nakedEyeLeft` != '')
      OR (`nakedEyeRight` REGEXP '[^0-9.]' = 1
          AND `nakedEyeRight` != '')
      OR (`correctionLeft` REGEXP '[^0-9.]' = 1
          AND `correctionLeft` != '')
      OR (`correctionRight` REGEXP '[^0-9.]' = 1
          AND `correctionRight` != '')
      OR (`axialLengthLeft` REGEXP '[^0-9.]' = 1
          AND `axialLengthLeft` != '')
      OR (`axialLengthRight` REGEXP '[^0-9.]' = 1
          AND `axialLengthRight` != '')
      OR (`korneaRadiusLeft` REGEXP '[^0-9.]' = 1
          AND `korneaRadiusLeft` != '')
      OR (`korneaRadiusRight` REGEXP '[^0-9.]' = 1
          AND `korneaRadiusRight` != '');
    

    统计指标中间表

    因为实际导入统计指标表时,还需要排除为空数据,以及关联其他表做补充。

    为了减少对指标表的影响,又建了指标表的中间表,结构完全一致,ID自增是目标表 + 10000。

    将属性中间表的数据导入指标中间表,最后直接 INSERT ... SELECT FROM,就很快了。

    当然这步其实有点矫枉过正了,但是为了避免线上的一些波动,还是谨慎一些较好。