Mysql按时间间隔分组优化

我有一个非常大的表（数亿行），它存储测试结果以及一个datetime和一个名为“link”的相关实体的外键，我需要按10、15、20、30和60分钟的时间间隔对行进行分组，并按时间和“link_id”进行筛选。我知道可以使用此查询完成此操作，如[here][1]所述：

SELECT time,AVG(RTT),MIN(RTT),MAX(RTT),COUNT(*) FROM  trace
WHERE link_id=1 AND time>='2015-01-01' AND time <= '2015-01-30'
GROUP BY UNIX_TIMESTAMP(time) DIV 600;

成为：

id | time                     | rtt        | link_id | time_60                   |time_30 ...
1  | 2014-01-01 12:34:55.4034 | 154.3      | 2       | 2014-01-01 12:00:00.00    | 2014-01-01 12:30:00.00 ...

我通过以下查询得到时间间隔：

SELECT time_10,AVG(RTT),MIN(RTT),MAX(RTT),COUNT(*) FROM  trace
WHERE link_id=1 AND time>='2015-01-01' AND time <= '2015-01-30'
GROUP BY time_10;

这些是表索引：

+------------+------------+----------------------------------------------------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
| Table      | Non_unique | Key_name                                           | Seq_in_index | Column_name | Collation | Cardinality | Sub_part | Packed | Null | Index_type | Comment | Index_comment |
+------------+------------+----------------------------------------------------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+
| main_trace |          0 | PRIMARY                                            |            1 | id          | A         |     2956718 |     NULL | NULL   |      | BTREE      |         |               |
| main_trace |          1 | main_trace_link_id_c6febb11f84677f_fk_main_link_id |            1 | link_id     | A         |           2 |     NULL | NULL   |      | BTREE      |         |               |
| main_trace |          1 | main_trace_07cc694b                                |            1 | time        | A         |     2956718 |     NULL | NULL   |      | BTREE      |         |               |
| main_trace |          1 | main_trace_e7549e3e                                |            1 | time_10     | A         |       22230 |     NULL | NULL   | YES  | BTREE      |         |               |
| main_trace |          1 | main_trace_01af8333                                |            1 | time_15     | A         |       14783 |     NULL | NULL   | YES  | BTREE      |         |               |
| main_trace |          1 | main_trace_1681ff94                                |            1 | time_20     | A         |       10870 |     NULL | NULL   | YES  | BTREE      |         |               |
| main_trace |          1 | main_trace_f7c28c93                                |            1 | time_30     | A         |        6399 |     NULL | NULL   | YES  | BTREE      |         |               |
| main_trace |          1 | main_trace_0f29fcc5                                |            1 | time_60     | A         |        3390 |     NULL | NULL   | YES  | BTREE      |         |               |
+------------+------------+----------------------------------------------------+--------------+-------------+-----------+-------------+----------+--------+------+------------+---------+---------------+

对于此查询：

SELECT time_10, AVG(RTT), MIN(RTT), MAX(RTT), COUNT(*)
FROM  trace
WHERE link_id = 1 AND time >= '2015-01-01' AND time <= '2015-01-30'
GROUP BY time_10;

选择时间\u 10、平均（RTT）、最小（RTT）、最大（RTT）、计数（*）
追踪
其中link_id=1，time>='2015-01-01'和time，用于此查询：

SELECT time_10, AVG(RTT), MIN(RTT), MAX(RTT), COUNT(*)
FROM  trace
WHERE link_id = 1 AND time >= '2015-01-01' AND time <= '2015-01-30'
GROUP BY time_10;

选择时间\u 10、平均（RTT）、最小（RTT）、最大（RTT）、计数（*）
追踪
其中link_id=1，time>='2015-01-01'和time，用于此查询：

SELECT time_10, AVG(RTT), MIN(RTT), MAX(RTT), COUNT(*)
FROM  trace
WHERE link_id = 1 AND time >= '2015-01-01' AND time <= '2015-01-30'
GROUP BY time_10;

选择时间\u 10、平均（RTT）、最小（RTT）、最大（RTT）、计数（*）
追踪
其中link_id=1，time>='2015-01-01'和time，用于此查询：

SELECT time_10, AVG(RTT), MIN(RTT), MAX(RTT), COUNT(*)
FROM  trace
WHERE link_id = 1 AND time >= '2015-01-01' AND time <= '2015-01-30'
GROUP BY time_10;

选择时间\u 10、平均（RTT）、最小（RTT）、最大（RTT）、计数（*）
追踪
其中，link_id=1和time>='2015-01-01'和time在（id，time）上的一个复合索引后跟一个潜在的
analyze table trace
将使其变得简洁

这只是一个建议，我不是说去做。分析表可能需要一些人几个小时才能运行数百万行

建议仅基于一个查询创建索引不是一个好主意。假设是这样，您还有其他查询。它们是一个拖拽式插入/更新。
在（id，时间）上的一个复合索引，后跟一个潜在的
分析表跟踪，这会使它很快

这只是一个建议，我不是说去做。分析表可能需要一些人几个小时才能运行数百万行

建议仅基于一个查询创建索引不是一个好主意。假设是这样，您还有其他查询。它们是一个拖拽式插入/更新。
在（id，时间）上的一个复合索引，后跟一个潜在的
分析表跟踪，这会使它很快

这只是一个建议，我不是说去做。分析表可能需要一些人几个小时才能运行数百万行

建议仅基于一个查询创建索引不是一个好主意。假设是这样，您还有其他查询。它们是一个拖拽式插入/更新。
在（id，时间）上的一个复合索引，后跟一个潜在的
分析表跟踪，这会使它很快

这只是一个建议，我不是说去做。分析表可能需要一些人几个小时才能运行数百万行

建议仅基于一个查询创建索引不是一个好主意。假设是这样，您还有其他查询。它们是拖拽式插入/更新。
time='2015-01-01'
时间<'2015-01-01'+间隔1个月

如果这是静态数据（例如一次写入的数据仓库），您可以通过构建和维护来加快查询速度。
time='2015-01-01'
时间<'2015-01-01'+间隔1个月

如果这是静态数据（例如一次写入的数据仓库），您可以通过构建和维护来加快查询速度。
time='2015-01-01'
时间<'2015-01-01'+间隔1个月

如果这是静态数据（例如一次写入的数据仓库），您可以通过构建和维护来加快查询速度。
time='2015-01-01'
时间<'2015-01-01'+间隔1个月

如果这是静态数据（例如一次写入的数据仓库），则可以通过构建和维护来加快查询速度。
为什么要在该索引中包含rtt？也。。。我应该为每个timex列创建这样的索引吗？我有时间10，时间15，时间20，时间30和时间_60@JesusGomez . . .  这使它成为查询的覆盖索引。整个查询可以使用索引。可能不需要转到数据页。就性能而言，是的。但是，我会尝试使用
跟踪（link\u id，time，rtt）
上的索引运行原始查询。也许您不需要额外的列。尝试了两种方法，首先我添加了一个跟踪（link\u id，time，rtt）并尝试了两种查询，但没有任何性能改进，然后我添加了覆盖索引跟踪（link\u id，time，time\u 10，rtt），查询只需2秒钟即可完成。我有点担心在一个表中有这么多索引的插入时间。@JesusGomez。索引中的列数对性能有（非常、非常小）影响。为什么要在该索引中包含rtt？也。。。我应该为每个timex列创建这样的索引吗？我有时间10，时间15，时间20，时间30和时间_60@JesusGomez . . .  这使它成为查询的覆盖索引。整个查询可以使用索引。可能不需要转到数据页。就性能而言，是的。但是，我会尝试使用
跟踪（link\u id，time，rtt）
上的索引运行原始查询。也许您不需要额外的列。尝试了两种方法，首先我添加了一个跟踪（link\u id，time，rtt）并尝试了两种查询，但没有任何性能改进，然后我添加了覆盖索引跟踪（link\u id，time，time\u 10，rtt），查询只需2秒钟即可完成。我有点担心在一个表中有这么多索引的插入时间。@JesusGomez。索引中的列数对性能有（非常、非常小）影响。为什么要在该索引中包含rtt？也。。。我应该为每个timex列创建这样的索引吗？我有时间10，时间15，时间20，时间30和时间_60@JesusGomez . . .  这使它成为查询的覆盖索引。整个查询可以使用索引。可能不需要转到数据页。就性能而言，是的。但是，我会尝试使用
跟踪（link\u id，time，rtt）
上的索引运行原始查询。也许您不需要额外的列。尝试了两种方法，首先我添加了一个跟踪（link_id，time，rtt），并尝试了两种查询，但没有任何性能改进，然后