MySQL子查询、WITH AS、LAG查询统计数据实战

需求

给出一个比较常见的统计类业务需求：统计App（包括iOS和Android两大类）每日新注册用户数、以及累计注册用户数。

数据库采用MySQL，根据上面的需求，不难设计表如下：

create table os_day_count(
    stat_date     varchar(10) not null comment '统计日期',
    os            varchar(7) not null comment '操作系统类型',
    stat_count    int         not null comment '用户数',
    os_stat_count int         null comment 'os类型累计用户数',
    primary key (stat_date, os)
) comment '每日App新装机统计表';

由于面对的是一个日活量非常小的App，经常出现每日新增用户数为0的情况。

insert数据落库逻辑如下：

public void appOsStatisticFromUser(String time) {
	// 远程Feign接口获取新用户数
    Response<List<OsDayCountVO>> resp = remoteUserService.appOsStats(time);
    boolean check = resp != null && resp.getCode() == 0 && CollectionUtils.isNotEmpty(resp.getData());
    // 有新用户数才insert
    if (check) {
        for (OsDayCountVO item : resp.getData()) {
            OsDayCount po = BeanConvertUtils.convert(item, OsDayCount.class);
            osDayCountMapper.insert(po);
            // 前一天 osStatCount = 前一天 statCount + 前两天 osStatCount
            String twoDayAgo = DateUtils.addDay(DateUtils.parse(item.getStatDate(), DateUtils.DATE_SMALL_STR), DateUtils.DATE_SMALL_STR, -1);
            Integer count = osDayCountMapper.osMax(twoDayAgo, item.getOs());
            po.setOsStatCount(count + item.getStatCount());
            // 此处update逻辑一定要注意where条件限制否则报错：SQLIntegrityConstraintViolationException Duplicate entry
            osDayCountMapper.update(po, new LambdaUpdateWrapper<OsDayCount>().eq(OsDayCount::getStatDate, item.getStatDate()).eq(OsDayCount::getOs, item.getOs()));
        }
    }
}

问题

上面的业务逻辑没有问题，运行之后，数据库如下：

表里的数据不是连续的！！没有某个stat_date日期的数据则表示该天没有新增用户，os_stat_count表示的是累计用户数。

现在想要查询【连续】日期的用户数，即实现

// 没有2023-12-18数据，则取2023-12-17；没有2023-12-17数据，则取2023-12-16；以此类推
select stat_date, os_stat_count from os_day_count where stat_date in ('2023-12-16','2023-12-17','2023-12-18');

最后返回的数据应该有3行，分别是2023-12-16、2023-12-17、2023-12-18，而且因为2023-12-17和2023-12-18没有新增用户。故而查询出来的三行数据结果是一模一样的。

实现方案

全量冗余存储

想要查询某个连续时间段，如最近一个月的累计用户数。很简单，修改insert逻辑即可，每天都落数据，哪怕和前一天数据一模一样。这样查询时直接使用上面的SQL即可实现功能。

但是这样会在数据库里全量存储很多冗余数据。不建议。

应用层实现

保持insert逻辑不变，那就需要在select处花点心思，也很简单。

数据库PO实体类定义如下：

@Data
@TableName(value = "os_day_count")
public class OsDayCount {
    @TableId(value = "stat_date", type = IdType.NONE)
    private String statDate;
    private String os;
    private Integer statCount;
    private Integer osStatCount;

    public OsDayCount(String statDate, String os, Integer statCount) {
        this.statDate = statDate;
        this.os = os;
        this.statCount = statCount;
    }
}

枚举类定义：

@Getter
@AllArgsConstructor
public enum OsEnum {
    IOS("iOS", "iOS"),
    ANDROID("Android", "Android"),
    ALL("ALL", "ALL");

    private final String desc;
    private final String name;

    public static String getNameByDesc(String desc) {
        for (OsEnum osEnum : OsEnum.values()) {
            if (osEnum.desc.equals(desc)) {
                return osEnum.name;
            }
        }
        return null;
    }
}

Mapper接口类定义查询方法：

Integer osMax(@Param("time") String time, @Param("os") String os);

对应的MyBatis mapper.xml文件：

<select id="osMax" resultType="java.lang.Integer">
    SELECT ifnull(max(os_stat_count), 0)
    FROM os_day_count
    WHERE stat_date &lt;= #{time}
      AND os = #{os};
</select>

Service层通过简简单单一个for循环来执行$2?N$次SQL查询实现，其中2表示枚举类定义的类型个数，N表示查询日期跨度。

List<OsDayCount> osList = Lists.newArrayListWithExpectedSize(dto.getTimeList().size() * 2);
for (String item : dto.getTimeList()) {
    osList.add(new OsDayCount(item, OsEnum.ANDROID.getDesc(), osDayCountMapper.osMax(item, OsEnum.ANDROID.getDesc())));
    osList.add(new OsDayCount(item, OsEnum.IOS.getDesc(), osDayCountMapper.osMax(item, OsEnum.IOS.getDesc())));
}

不管是查询日期跨度增加，还是换一种场景，枚举类型个数增长。上面这种方式都是极不可取的。

SQL

上面这种for循环肯定不可取，因此有必要替换成一个SQL来实现查询取数逻辑。提到MySQL实现，一般都会有MySQL 8和非MySQL 8两种情况。

非MySQL 8

相当多的公司，哪怕他们的业务并不是金融或保险或交易相关等，也不会（不敢）考虑选择（或升级迁移）使用MySQL 8。哪怕MySQL 8于2018年4月份发布，距今已经五年多。原因无外乎慎重起见、因循守旧等。

事实上，这几年工作中，鄙人也仅在一家公司的一个产品中，在生产中用过MySQL 8。

不难分析出来，stat_date是一个非常关键的字段，由于数据库里并没有存储2023-12-17，2023-12-18两天的数据。

因此非常有必要做一个子查询：

SELECT '2023-12-16' AS stat_date
UNION ALL SELECT '2023-12-17'
UNION ALL SELECT '2023-12-18' AS dates

此子查询返回期望的多行日期数据。然后关联另一个子查询：

SELECT os_stat_count FROM os_day_count WHERE stat_date <= dates.stat_date ORDER BY stat_date DESC LIMIT 1;

事实上，这个子查询和上面的应用层实现方案里的查询逻辑一样：

SELECT ifnull(max(os_stat_count), 0) FROM os_day_count WHERE stat_date <= #{time};

注意到一定要使用LIMIT 1来限制只返回一条数据，否则报错：Subquery returns more than 1 row。max或min函数只会返回一条数据，所以不用冗余追加limit 1限制。

组合之后，写出如下SQL：

SELECT
    dates.stat_date,
    (SELECT os_stat_count FROM os_day_count WHERE stat_date <= dates.stat_date ORDER BY stat_date DESC LIMIT 1) AS os_stat_count
FROM
    (SELECT '2023-12-16' AS stat_date
    UNION ALL SELECT '2023-12-17'
    UNION ALL SELECT '2023-12-18') AS dates
ORDER BY
    dates.stat_date;

达到效果。

那如何进一步区分os枚举类型信息呢？当然也是join。不过不是使用left join，left join需要使用on条件关联一下。这里使用cross join。

最终的SQL如下：

SELECT
    dates.stat_date,
    oss.os,
    (SELECT os_stat_count FROM os_day_count WHERE stat_date <= dates.stat_date and os = oss.os ORDER BY stat_date DESC limit 1) AS os_stat_count
FROM
    (
    SELECT '2023-12-16' AS stat_date
    UNION ALL SELECT '2023-12-17'
    UNION ALL SELECT '2023-12-18'
) AS dates
cross join (select distinct os from os_day_count) AS oss
ORDER BY
    dates.stat_date;

SQL没有问题，实现期望效果。那如何把SQL转写为MyBatis Mapper.xml文件支持的语法呢？

最关键的部分，还是子查询得到的dates数据。总不可能一一列出来吧，如果要查询最近半年的数据呢？

MyBatis提供的标签符合此场景的貌似只有foreach。经过尝试，MyBatis果然支持以Index方式取集合元素，即：#{timeList[0]}。#{timeList[0]}和foreach的collection有重复第一个元素，一开始想要改造collection标签元素，没搞定。

咱不就是想去重嘛。去重的话，使用UNION替换UNION ALL。

其他就是foreach的几个元素的处理：open，close，separator，都置为空即可。

Anyway，日期子查询转写成MyBatis语法最终如下：

SELECT #{timeList[0]} AS stat_date
<foreach close="" collection="timeList" item="item" open="" separator="">
    UNION SELECT
    #{item}
</foreach>

最终版MyBatis mapper.xml文件如下：

<select id="osSum" resultType="com.aaaaa.collect.data.dao.entity.OsDayCount">
    SELECT
    dates.stat_date AS statDate,
    oss.os,
    (SELECT os_stat_count FROM os_day_count WHERE stat_date &lt;= dates.stat_date AND os = oss.os ORDER BY stat_date
    DESC limit 1) AS statCount
    FROM
    (SELECT #{timeList[0]} AS stat_date
    <foreach close="" collection="timeList" item="item" open="" separator="">
        UNION SELECT
        #{item}
    </foreach>
    ) AS dates
    CROSS JOIN (SELECT DISTINCT os FROM os_day_count) AS oss
    ORDER BY dates.stat_date;
</select>

MySQL 8

借助于MySQL 8提供的WITH AS及LAG函数，可写出如下SQL：

WITH dates AS (
    SELECT '2023-12-16' AS stat_date
    UNION ALL SELECT '2023-12-17'
    UNION ALL SELECT '2023-12-18'
),
cte AS (
    SELECT
        dates.stat_date,
        IFNULL(os_day_count.os_stat_count, LAG(os_day_count.os_stat_count) OVER (ORDER BY dates.stat_date)) AS os_stat_count
    FROM
        dates
    LEFT JOIN
        os_day_count ON dates.stat_date = os_day_count.stat_date
)
SELECT
    stat_date,
    IFNULL(os_stat_count, (SELECT os_stat_count FROM cte WHERE os_stat_count IS NOT NULL ORDER BY stat_date DESC LIMIT 1)) AS os_stat_count
FROM
    cte
ORDER BY
    stat_date;

如果想要进一步增加OS信息，写出如下SQL：

TODO：cross join os后有重复的数据

最后

在写SQL的过程中，还是相当耗费一些心力的，各种Stackoverflow浏览帖子，各种Google搜索，没有找到解决方案。也体验过CSDN推出的C知道，呵呵。OpenAI的Chat GPT也体验过，虽然比C知道强，但是也没有拿到满意的答案。

最后在CSDN问答里发布帖子MySQL查询不存在的日期数据。不过1~2分钟，就拿到满意的答案。不得不说，GitHub与OpenAI强强联合推出的GitHub Copilot真?强大啊！！