/***************************************************************************/
-----------------------------------------------------------------------------
-- Title :由一条语句优化引发的思考
-- Author :小爱
-- Date :2012-03-30 19:06:10
-- Version:
-- Microsoft SQL Server 2008 R2 (RTM) - 10.50.1600.1 (X64)
-- Apr 2 2010 15:48:46
-- Copyright (c) Microsoft Corporation
-- Enterprise Edition (64-bit) on Windows NT 6.1 <X64> (Build 7600: )
-----------------------------------------------------------------------------
/***************************************************************************/
--> 测试数据:[tb]
if object_id('[tb]') is not null drop table [tb]
go
create table [tb]([id] int,[num] int,[s] int)
insert [tb]
select 1,2,5 union all
select 1,2,5 union all
select 1,2,5 union all
select 1,3,5 union all
select 2,2,5 union all
select 2,3,5 union all
select 3,4,5
---直接上结果,描述起来一时半会说不清
/*
id cnt sums
----------- ----------- -----------
1 2 20
2 2 10
3 1 5
*/
-----------------------------------------
--下面的语句是原著
--1
set statistics io on
select id,count([num])as cnt ,sum([s]) as sums
from(
select id,[num],sum([s]) as [s] from [tb] group by [id],[num]
) t
group by id
--当本人目测良久只后写下了下面的语句
--2
select id,count(distinct [num]) as cnt,sum([s])as sums from tb
group by id
--当我自认为自己很牛逼哄哄,写下了如此简练的语句
--原著也觉得我是个人才,佩服的不得了的时候
--我按下了Ctrl+L
--令我大吃一惊的事情发生了
--方法2的开销要比1 大好多
--在看IO,omg的,2比1大
--这让我情何以堪啊
--回头认真思考问题所在,难道是 count(distinct[num]) 这一步的问题?
--好吧,我去掉了distinct 关键字,ps:暂不讨论结果是否一致
--果然这次从各方面看问题2比1 都更优越,但这结果都不一样啊,
--问题:count(distinct col) 使用distinct关键字 效率会很低?
--先不要往下定论,看下面的,我去掉sum操作
select id,count([num])as cnt
from(
select id,[num] from [tb] group by [id],[num]
) t
group by id
--2
select id,count(distinct [num]) as cnt from tb
group by id--这次又发现,这两个语句的执行计划一模一样,这又是为什么呢?
--这个时候我又想到了索引
alter table tb add ix int identity(1,1) primary key
--在执行上面的语句
--你们猜有没有走索引路线呢?这又是为什么呢?
--到这里简单的总结一下
-----------------------------------------我隔----------------------------------------
--1、不是最简洁的语句效率就最好
--2、不是所有的子查询都慢
--3、没有全面的测试不要妄下结论,如果我只认为distinct关键字会影响效率那么,那么那么...
--4、性能调优的道路还很漫长
----------------------------------------我再隔------------------------------------------最后告诉大家一个小秘密
--1、在线上90w的表中,这两个语句的查询开销和用时差异并不大,当然前者更优异
--2、表一定要有个主键,否则普通索引的利用是很差的,除非是极少用来查询的表。
-----------------------------------------------------------------------------
-- Title :由一条语句优化引发的思考
-- Author :小爱
-- Date :2012-03-30 19:06:10
-- Version:
-- Microsoft SQL Server 2008 R2 (RTM) - 10.50.1600.1 (X64)
-- Apr 2 2010 15:48:46
-- Copyright (c) Microsoft Corporation
-- Enterprise Edition (64-bit) on Windows NT 6.1 <X64> (Build 7600: )
-----------------------------------------------------------------------------
/***************************************************************************/
--> 测试数据:[tb]
if object_id('[tb]') is not null drop table [tb]
go
create table [tb]([id] int,[num] int,[s] int)
insert [tb]
select 1,2,5 union all
select 1,2,5 union all
select 1,2,5 union all
select 1,3,5 union all
select 2,2,5 union all
select 2,3,5 union all
select 3,4,5
---直接上结果,描述起来一时半会说不清
/*
id cnt sums
----------- ----------- -----------
1 2 20
2 2 10
3 1 5
*/
-----------------------------------------
--下面的语句是原著
--1
set statistics io on
select id,count([num])as cnt ,sum([s]) as sums
from(
select id,[num],sum([s]) as [s] from [tb] group by [id],[num]
) t
group by id
--当本人目测良久只后写下了下面的语句
--2
select id,count(distinct [num]) as cnt,sum([s])as sums from tb
group by id
--当我自认为自己很牛逼哄哄,写下了如此简练的语句
--原著也觉得我是个人才,佩服的不得了的时候
--我按下了Ctrl+L
--令我大吃一惊的事情发生了
--方法2的开销要比1 大好多
--在看IO,omg的,2比1大
--这让我情何以堪啊
--回头认真思考问题所在,难道是 count(distinct[num]) 这一步的问题?
--好吧,我去掉了distinct 关键字,ps:暂不讨论结果是否一致
--果然这次从各方面看问题2比1 都更优越,但这结果都不一样啊,
--问题:count(distinct col) 使用distinct关键字 效率会很低?
--先不要往下定论,看下面的,我去掉sum操作
select id,count([num])as cnt
from(
select id,[num] from [tb] group by [id],[num]
) t
group by id
--2
select id,count(distinct [num]) as cnt from tb
group by id--这次又发现,这两个语句的执行计划一模一样,这又是为什么呢?
--这个时候我又想到了索引
alter table tb add ix int identity(1,1) primary key
--在执行上面的语句
--你们猜有没有走索引路线呢?这又是为什么呢?
--到这里简单的总结一下
-----------------------------------------我隔----------------------------------------
--1、不是最简洁的语句效率就最好
--2、不是所有的子查询都慢
--3、没有全面的测试不要妄下结论,如果我只认为distinct关键字会影响效率那么,那么那么...
--4、性能调优的道路还很漫长
----------------------------------------我再隔------------------------------------------最后告诉大家一个小秘密
--1、在线上90w的表中,这两个语句的查询开销和用时差异并不大,当然前者更优异
--2、表一定要有个主键,否则普通索引的利用是很差的,除非是极少用来查询的表。
明天上班,表示不爽!
不知道sql解释器会不会自动建立、指定恰当的临时索引?
感觉应会,否则多层查询肯定都很慢了
group by idMSSQL给内部解析成两个连接查询(都有开销),一个查询输出的列为[tb].id, [tb].s, 别一个查询输出的列为[tb].id, [tb].num, 然后再将这两个中间的输出表做inner join(也有开销),最后输出的是连接查询后的结果,这些可以在执行计划里看的很清楚原因不在于列 sum([s]), 而在于列 count(distinct [num])
也就是说,随着类似count(distinct [num])的列的个数增加(如count(distinct [num2])),开销也会增加
但 类似sum([s])的列的个数增加(如sum([s2]),开销的增加可以忽略不计在原有例子上增加一个列可以看到效果if object_id('[tb]') is not null drop table [tb]
go
create table [tb]([id] int,[num] int, [num2] int,[s] int)
insert [tb]
select 1,2,2,5 union all
select 1,2,2,5 union all
select 1,2,2,5 union all
select 1,3,3,5 union all
select 2,2,2,5 union all
select 2,3,3,5 union all
select 3,4,4,5
-----------------------------------------
--下面的语句是原著
--1
select id,count([num])as cnt ,count([num2])as cnt2 ,sum([s]) as sums
from(
select id,[num],[num2],sum([s]) as [s] from [tb] group by [id],[num],[num2]
) t
group by id--当本人目测良久只后写下了下面的语句
--2
select id,count(distinct [num]) as cnt,count(distinct [num2]) as cnt2,sum([s])as sums from tb
group by id再按ctrl+L看看, 第二句的开销占比又增加了,但如果增加sum([s2])的话,开销占比不变
同样如果,再增加列num3,num4,...如此count(distinct))查询的话,销售占比直线上升
第一句写法虽繁,但执行逻辑简单,明确
第二句写法虽简,但执行逻辑繁,并且逻辑的解析完全交给MSSQL了,可MSSQL有时也不争气,硬是解析成两个中间子表然后再连接查询的方式,如果再增加这样的列,同样出现三个四个。。这样的中间子表然后再连接查询,可谓费时又费力。看来调优往往不在于写法的繁简,而是在于逻辑的简洁明了
况且MSSQL帮我们所做的解析未必是最好的
发现DISTINCT的各种消耗都比较大,至于如何解析的问题,木有去深究总之,测试之后,我比较少用DISTINCT,有时候还宁愿用GROUP BY来代替。
多么希望,在oracle里也看到这样的帖子。
很多优化的问题,只能慢慢摸索,摸着石头过河。
有聚合函数的时候,group by的效率好一些。
所以我看到例子的第一个感觉是应该第二个更快点(不考虑后面的索引,楼主说话也不爽快,什么都说一半,我颇为不爽,要不就是我理解力太差了,这里小喷一下,请大家忽略)distinct和group by的差别是distinct不需要排序(在没有group by的情况下),但楼主现在的写法是既有group by又是distinct了,这样的情况下和第一句比起来,distinct就成为负担了,需要再有一个临时表的生成去排序,然后再过滤.以上是没有考虑索引的情况下如果有聚集索引(一定是聚集索引)的情况下,执行引擎就跳过生成临时表的过程,直接通过聚集索引产生distinct的效果,这样一来效果就会大大的提升,所以效果和第一句就接近了(楼主是这个意思吧,别说话老是说一般让别人猜)所以总的来说,我个人是不同意distinct效率比group by低云云的说法,两者的原理相近,但是对索引的利用,排序的规则上还是有很大的区别的.
www.healthchinese.org
distinct 的操作是sort(union),而group by是sort(group by)
select id,count([num])as cnt ,sum([s]) as sums
from(
select id,[num],sum([s]) as [s] from [tb] group by [id],[num]
) t
group by id
--当本人目测良久只后写下了下面的语句
--2(1 行受影响)StmtText
-----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
|--Compute Scalar(DEFINE:([Expr1005]=CONVERT_IMPLICIT(int,[Expr1021],0), [Expr1006]=CASE WHEN [Expr1022]=(0) THEN NULL ELSE [Expr1023] END))
|--Stream Aggregate(GROUP BY:([tempdb].[dbo].[tb].[id]) DEFINE:([Expr1021]=COUNT([tempdb].[dbo].[tb].[num]), [Expr1022]=COUNT_BIG([Expr1004]), [Expr1023]=SUM([Expr1004])))
|--Compute Scalar(DEFINE:([Expr1004]=CASE WHEN [Expr1019]=(0) THEN NULL ELSE [Expr1020] END))
|--Stream Aggregate(GROUP BY:([tempdb].[dbo].[tb].[id], [tempdb].[dbo].[tb].[num]) DEFINE:([Expr1019]=COUNT_BIG([tempdb].[dbo].[tb].[s]), [Expr1020]=SUM([tempdb].[dbo].[tb].[s])))
|--Clustered Index Scan(OBJECT:([tempdb].[dbo].[tb].[cidx_tbidnum]), ORDERED FORWARD)(5 行受影响)StmtText
-----------------------------------------------------------------------select id,count([num] ) as cnt,sum([s])as sums from tb
group by id(1 行受影响)StmtText
-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
|--Compute Scalar(DEFINE:([Expr1004]=CONVERT_IMPLICIT(int,[Expr1013],0), [Expr1005]=CASE WHEN [Expr1014]=(0) THEN NULL ELSE [Expr1015] END))
|--Stream Aggregate(GROUP BY:([tempdb].[dbo].[tb].[id]) DEFINE:([Expr1013]=COUNT([tempdb].[dbo].[tb].[num]), [Expr1014]=COUNT_BIG([tempdb].[dbo].[tb].[s]), [Expr1015]=SUM([tempdb].[dbo].[tb].[s])))
|--Clustered Index Scan(OBJECT:([tempdb].[dbo].[tb].[cidx_tbidnum]), ORDERED FORWARD)
不加索引 和 加索引前后 第一句的 执行计划是不变的,但是第二句 变的超简洁。
我用lz的数据量可能看不出来 具体执行时间的区别,但是如果在10W的数据量下相信 第二句的性能更好
但相关子查询往往会很慢,因为相关子查询在每条记录都会执行一次,
而你上面的子查询,不属于相关子查询,只执行一次,
当然就不会存在慢的问题了。而且这种子查询可以很大程度提高效率,
为什么呢?
因为在子查询里执行了group by,记录数会大大减少,外面统计时就少统计很多记录,
我以前经常用这种方式来提高查询效率。
比如假设原始记录有1万条,我执行group by后,就只剩下100条,然后再对这100条汇总查询,
速度肯定快得多。
但相关子查询尽量少用,有时会非常慢,特别是大表。当然,也有另外,比如小表主键查询。distinct也属于一种子查询,他的效果相当于group by。
通常,消除重复行的方法,要么用group by,要么用distinct,
所以两者并不存在效率谁低谁高的问题。问题关键还是在于你第二条语句又distinct,又sum,复杂度是相乘的。
而第一条语句,复杂度是相加的。
所以第二条比第一条更复杂。
第二条又有汇总,又有消除单值,复杂度远远超过第一条。打个比方,一个程序员,同时又肩负很多别的工作,又要调研,又要写需求。
调研时又要写程序,写程序时又要维护,结果几项工作同时做,程序员就崩溃了,
但如果他能分好顺序,然后按轻重缓急,合理安排,就不会那么忙乱了。写sql语句也是如此。
因为执行计划,会对sql语句预编译为机器码,
然后分析机器码的执行效率。有时,简单的语句,往往生成更复杂的机器码,当然,也不是机器码的问题。
原因很简单,sql server在2008版没有很好考虑count(distinct ...)的执行计划优化,在以后版本(不知道哪一个)会解决的。
大概是它认为并行去算这两个结果的时间会列短一些。
有可能第二句是在group by的基础上count(distinct)对应的计算量大一点。支持楼主,学习........
排序在程序实现中是性能优化的不二法宝。谁都不会拒绝。
分组需要排序,DISTINCT也需要排序。第一种写法刚好明确要求先按ID和NUM排序,再按照ID排序。
优化器发现第一次排序后的结果没有被破坏。可以再利用结果进行运算。
由于写法没有让优化器自由发挥的空间。所以SQL只读一次表。排一次序。
第二种写法中模糊的说明了排序原则。
(GROUP BY按ID排序,DISTINCT+GROUP BY 按ID,num排序。)
SUM的存在说明了按ID排序的必要性。
DISTINCT的存在说明了按NUM排序的必要性。
即把排序的选择权交给了MS。MS无法区分排序的重要性。所以就选择平等吧。
平等的代价是读2次表。排序2次。所以简洁的SQL在性能上却输给了繁琐的SQL语句。第二种是否真的输了呢?微软这样做是否存在好处呢?我的想法是:微软信任索引。能利用索引就利用索引。所以就多读表。以上仅为个人遇见。仅供参考。
个人觉得SQL语句确实应该要 逻辑思路 简洁明了
机器和程序都是死的.只要我们人把思路及规则什么的整清楚了 立马执行效率才高
让死的机器去选择思路 效率肯定是下降的
那些什么代码的简单与否都是虚的