【100分】金山面试题
题目如下：
数据库1中存放着a类数据，数据库2中存放着以天为单位划分的表30张（比如table_20110909,table_20110910,table_20110911）,总共是一个月的数据。表1中的a类数据中有一个字段userid来唯一判别用户身份，表2中的30张表（每张表结构相同）也有一个字段userid来唯一识别用户身份。如何判定a类数据库的多少用户在数据库2中出现过？

1)各位高手能否说一下这道题的考点是什么
2)能否说一下你们的实现思路或者关键的sql语句

------解决方案--------------------
select count(*) from 数据库1.a类数据 
where exists (select 1 from 数据库2.table_20110909 where userid = 数据库1.a类数据.userid)
or exists (select 1 from 数据库2.table_20110910 where userid = 数据库1.a类数据.userid)
or exists (select 1 from 数据库2.table_20110911 where userid = 数据库1.a类数据.userid)
------解决方案--------------------
数据量很大的话用临时表处理就可以了。
------解决方案--------------------

探讨

引用:
select count(*) from 数据库1.a类数据
where exists (select 1 from 数据库2.table_20110909 where userid = 数据库1.a类数据.userid)
or exists (select 1 from 数据库2.table_20110910 where userid = 数据库1.a类数据.u……

------解决方案--------------------
1)各位高手能否说一下这道题的考点是什么

题目没有说明 2个数据库是否在同一机器上，如不在，要用到
FEDERATED 存储引擎

对大数据量的操作

2)能否说一下你们的实现思路或者关键的sql语句
可以用merge 存储引擎为实现
OR
EXISTS、UNION来实现

------解决方案--------------------
小菜鸟也插句嘴，如果数据量很少 1类的嵌套可以，
如果数据量较大，那就用临时表吧
create temprary table tem_id(id int)
insert into tem_id select id from 库2.table1
insert ignore into tem_id select id from 库2.table2
......
insert into tem_id select id from 库2.table12
select count（*） from 库1.table a inner join tem_id b on a.id=b.id
呵呵 我还没接触跨DB 操作 假想都是在一耳光服务器上
------解决方案--------------------
都是高手呀，咋就我一個菜呢
------解决方案--------------------
也许按userid进行join union到临时表会更好点？
------解决方案--------------------
我不知道.
------解决方案--------------------
用hash表。大数据处理一般把需要的数据一下子找出来放到内存，在内存中处理，如果用表连接得处理到何年何月，反正现在的内存都白菜价了
------解决方案--------------------

探讨

引用:

引用:
select count(*) from 数据库1.a类数据
where exists (select 1 from 数据库2.table_20110909 where userid = 数据库1.a类数据.userid)
or exists (select 1 from 数据库2.table_20110910 where user……

------解决方案--------------------
这个问题我们也遇到过，我们的解决方法是：建立一张用户表，UserInMonth（userid）表里面只放不重复的用户Id，把（table_20110909,table_20110910,table_20110911）的用户Id放到一张User表里面userid都统一放到这个表里面去。判断的时候select count(1) from user u inner join UserInMonth um on u.userid=um.userid.至于数据可以用存储过程，或者一些数据仓库的用具。
另外说一点，把表拆分的每日一张表，就是因为数据量比较大。。。我以前做一个GPS项目的时候，也是这么做的，每天一张表，一张表5G左右的数据。我们是把原始数据和计算过的业务数据分离的思路来实现的。。。希望对你有帮助。
------解决方案--------------------
如果数据量非常大的话，还硬要在数据库处理，就有点缘木求鱼的感觉了。
放入hadoop处理。哈哈。
------解决方案--------------------

探讨

引用:
引用:

引用:

引用:
select count(*) from 数据库1.a类数据
where exists (select 1 from 数据库2.table_20110909 where userid = 数据库1.a类数据.userid)
or exists (select 1 from 数据库2……

------解决方案--------------------
也来吐槽一个不成熟的建议，可以把数据库2中表的userid存到物化视图里，然后两个数据库做连接查询
------解决方案--------------------