编辑：

Question

我有两个表，都包含具有XY坐标的对象：

表A：

ID_A | X    | Y
-----|------|------
100  | 32.2 | 25.6
101  | 36.2 | 22.1
102  | 31.7 | 39.2
103  | 42.7 | 15.6
104  | 24.5 | 29.9

表B：

ID_B | X    | Y
-----|------|------
200  | 55.3 | 25.1
201  | 21.5 | 54.2
202  | 67.3 | 66.6
203  | 23.5 | 55.4
204  | 41.1 | 24.5
205  | 42.4 | 62.6
206  | 26.8 | 23.6
207  | 63.2 | 25.6
208  | 35.6 | 11.1
209  | 74.2 | 22.2
210  | 12.2 | 33.3
211  | 15.7 | 44.4

对于表A中的每个对象，我想找到表B中最近的对象（对象之间的距离最小）。所以结果应该是这样的（这里的距离是随机的......）：

ID_A | ID_B | DISTANCE
-----|------|---------
100  | 203  | 12.5
101  | 203  | 11.1
102  | 211  | 16.5
103  | 205  | 14.2
104  | 209  | 17.7

物体之间的距离：

SQRT( (A.X-B.X)*(A.X-B.X) + (A.Y-B.Y)*(A.Y-B.Y) )

所以我提出了这个问题：

SELECT DISTINCT A.ID_A
     , FIRST_VALUE (B.ID_B) OVER (PARTITION BY A.ID_A ORDER BY SQRT((A.X-B.X)*(A.X-B.X)+(A.Y-B.Y)*(A.Y-B.Y)) ASC) AS ID_B
     , FIRST_VALUE (SQRT((A.X-B.X)*(A.X-B.X)+(A.Y-B.Y)*(A.Y-B.Y))) OVER (PARTITION BY A.ID_A ORDER BY SQRT((A.X-B.X)*(A.X-B.X)+(A.Y-B.Y)*(A.Y-B.Y)) ASC) AS DISTANCE
FROM TableA A, TableB B

它的工作方式应该如此，但问题是两个表都有大量的行（超过500k），而且这个查询速度很慢（可能非常低效）。

如何优化此查询？（我使用的是Oracle SQL）提前谢谢。

Answer 1

与提到的dasblinkenlight一样，由于距离最短的行也将是距离最短的行，因此您无需为每个行组合计算平方根。

我认为你最好的办法就是尽量减少执行的计算总数，所以这样的事情可能会加快速度：

SELECT ID_A,ID_B,SQRT(DISTANCE_SQUARED) DISTANCE FROM (
  SELECT ID_A,ID_B,DISTANCE_SQUARED,MIN(DISTANCE_SQUARED) OVER (PARTITION BY ID_A) MIN_DS FROM (
    SELECT A.ID_A,B.ID_B,
    POWER(A.X-B.X,2)+POWER(A.Y-B.Y,2) DISTANCE_SQUARED
    FROM
    TABLE_A A,
    TABLE_B B
  )
)
WHERE DISTANCE_SQUARED=MIN_DS

这可能会返回多个匹配项（如果TABLE_B中的多于一行与TABLE_A中的行具有相同的距离）...不确定这是否可接受。

如果表不是经常写入的，并且您需要经常运行此查询，那么最好先预先计算此信息并将其存储在另一个表中，例如TABLE_C。当/如果将行添加或编辑到任一表时，您可以检查另一个表中的500k的一行，并在必要时更新TABLE_C，而不是每次运行查询时都需要检查500k * 500k行。

Answer 2

嗯，我想我更喜欢'预先计算'CTE中的距离。我知道优化器应该能够缓存某些值，但我不确定它可能做得多好。此外，这使得根据“距离”更容易维护。不幸的是，你没有“最大距离”才能最初排除某些值，这意味着总是会慢一些。

WITH Distances (id_a, id_b, distance_squared, index) as 
                   (SELECT a.id_a, b.id_b, 
                           POWER((a.x - b.x), 2) + POWER((a.y - b.y), 2) d,
                           ROW_NUMBER() OVER(PARTITION BY a.id_a, ORDER BY d ASC)
                    FROM TableA a
                    CROSS JOIN TableB b)
SELECT id_a, id_b,
       SQRT(distance_squared)
FROM Distances
WHERE index = 1

使用FIRST_VALUE()会导致“最小”值重复 - 删除它们会使您无需DISTINCT，这可能有所帮助。

编辑：

如果您有“最大距离”，请尝试以下操作：

WITH Distances (id_a, id_b, distance_squared, index) as 
                   (SELECT a.id_a, b.id_b, 
                           POWER((a.x - b.x), 2) + POWER((a.y - b.y), 2) d,
                           ROW_NUMBER() OVER(PARTITION BY a.id_a, ORDER BY d ASC)
                    FROM TableA a
                    JOIN TableB b
                      ON (b.x > a.x - @distance AND b.x < a.x + @distance)
                         AND (b.y > a.y - @distance AND b.y < a.y + @distance)
                    WHERE d < POWER(@distance, 2))
SELECT id_a, id_b,
       SQRT(distance_squared) as distance
FROM Distances
WHERE index = 1

这个可能能够在坐标值上使用索引，虽然我不确定（TableB方，可能，TableA方......不确定。必要时进行比较）请注意两件事：

所有这一切都假设你是在平坦的笛卡尔平面上运行。如果这是地球表面上的点，则方程式要复杂得多;如果你看的话，这里有很多问题/答案。
你仍然必须得到/使用平方根距离，因为否则你有东西隐藏在网格方块的角落里，这实际上是在“距离外”距离（大约40％）。

Answer 3

如果您的表格没有对应/匹配行，请不要共同使用。使用两个单独的查询。否则您的输出将包含500K * 500K行。我假设你的表在我的例子中是相关的，我正在做的就是试图提供帮助。

请参阅下面的外部加入。

除非您在最终查询示例中将其复制到帖子中时出错，否则您的查询会运行很长时间，因为您将结果加倍，忘记连接表a和b。你得到的是笛卡尔积：

SELECT DISTINCT A.ID_A
 , FIRST_VALUE (B.ID_B) OVER (PARTITION BY A.ID_A ORDER BY SQRT((A.X-B.X)*(A.X-B.X)+(A.Y-B.Y)*(A.Y-B.Y)) ASC) AS ID_B
 , FIRST_VALUE (SQRT((A.X-B.X)*(A.X-B.X)+(A.Y-B.Y)*(A.Y-B.Y))) OVER (PARTITION BY A.ID_A ORDER BY SQRT((A.X-B.X)*(A.X-B.X)+(A.Y-B.Y)*(A.Y-B.Y)) ASC) AS DISTANCE
 FROM TableA A, TableB B
WHERE a.id = b.id -- You missed this
/

除此之外，您正在使用DISTINCT。尝试添加连接和删除不同，看看差异。让所有行都被选中并记下执行/经过的时间。关于基于emp表避免不同的一般示例：

-- Distinct - runs longer --
SELECT DISTINCT d.deptno, dname FROM scott.dept D, scott.emp E WHERE D.deptno = E.deptno
/  
-- Same as Distinct - faster --
SELECT deptno, dname FROM scott.dept D 
 WHERE EXISTS (SELECT 'X' FROM scott.emp E WHERE E.deptno = D.deptno)
/

外部加入。下面的查询将返回A表（dept）表和B中的所有行，即使B在表A中没有对应的行。运行查询并查看deptno = 40.它在emp tablr中没有行，并且为empname显示null。您的表A（在我的示例中为scott.dept）似乎比B（在我的示例中为emp）中的行少。所以，外部联接是我认为的答案：

SELECT d.deptno, e.ename
  FROM scott.dept d LEFT OUTER JOIN scott.emp e
    ON d.deptno = e.deptno
ORDER BY d.deptno
/

查找不同表中对象之间的最小距离

3 个答案:

编辑：