我正在研究 geolife 数据集。这是一个 GPS 近25m轨迹数据集 GPS 用户点。所以我创建了两个表（实际上是从这里复制的）： plt_distinct 包含用户的gps点（超过24m行）和 labels 包含参与者使用的旅行模式的表格（14718行）。
CREATE TABLE `plt_distinct` (
`directory` varchar(10) NOT NULL DEFAULT '',
`latitude` double NOT NULL DEFAULT '0',
`longitude` double NOT NULL DEFAULT '0',
`flag` int(11) DEFAULT NULL,
`altitude` double NOT NULL DEFAULT '0',
`passeddate` varchar(255) DEFAULT NULL,
`gpsdate` date NOT NULL DEFAULT '0000-00-00',
`gpstime` time NOT NULL DEFAULT '00:00:00',
`gpsdatetime` timestamp NULL DEFAULT NULL,
PRIMARY KEY (`directory`,`latitude`,`longitude`,`gpsdate`,`gpstime`,`altitude`)
) ENGINE=InnoDB DEFAULT CHARSET=latin1;
CREATE TABLE `labels` (
`directory` varchar(10) NOT NULL DEFAULT '',
`starttime` datetime NOT NULL DEFAULT '0000-00-00 00:00:00',
`endtime` datetime NOT NULL DEFAULT '0000-00-00 00:00:00',
`transportationmode` varchar(10) NOT NULL DEFAULT '',
PRIMARY KEY (`directory`,`starttime`,`endtime`,`transportationmode`)
) ENGINE=InnoDB DEFAULT CHARSET=latin1;我要做一些探索性的分析（比如 GPS 每个行驶模式的采样率等…）。如中所述，用户有大约10种不同的出行方式 labels .
因此，首先，我想计算每个旅行模式的gps点数，因此我写下：
SELECT COUNT(*)
FROM labels JOIN plt_distinct
USING (directory)
WHERE transportationmode='bus';
+------------+
| COUNT(*) |
+------------+
| 1881761963 |
+------------+
1 row in set (7 min 13.83 sec)这个查询返回超过188m个计数，这显然超过了一个亿，大约是所有可用gps点的80倍。我知道我做的事情不对（公共汽车模式不计算不同的点），但我不确定如何实现我的目标。
为了解决我的问题（说明我的意思），我在这里创建了一个db fiddle，其中只有5行 tables （只有2个） bus 旅行模式），但我的查询返回10的计数。
如何正确计算每个旅行模式的点数？
1条答案
按热度按时间ne5o7dgx1#
过度放任导致的组合爆炸
ONa中的子句JOIN.在你的小提琴里，你的
labels示例包含这些行。注意
transportationmode列包含的值重复bus以及walk同样的价值directory. 那意味着你的子句把每一行都拉进来
plt_distinct五次，每行一次labels. 那就意味着排得太多了。我想，不确定的是
plt_distinct应仅与中的一行关联labels. 您可以通过匹配时间戳和目录来实现这一点(你的第二个labels.bus列的结束时间早于开始时间，因此很难确定。）使用类似于这样的on子句的查询可以做到这一点。
但两者之间没有太多重叠
gpsdatetime价值观和starttime/endtime价值观，所以我不确定这是否正确。你的数据需要一种方法
labels每行plt_distinct如果此项目要工作，请单击“行”。专业提示避免
USING(column)在JOIN条款。它很容易出错。