DISTINCT有多慢？

Question

我可以选择为数据库结构编写两种不同的格式：

Article
-------
ArticleID int FK

Article_Tags
------------
ArticleTagID int FK
ArticleID int FK
TagText varchar(50)

或

Article
-------
ArticleID int PK

Article_Tags
------------
ArticleTagID int PK
ArticleID int FK
TagText varchar(50) FK

Tag
---
TagText varchar(50) PK

如果我想要数据库中所有标签的列表，我可以使用：

select distinct tagtext from article_tags

或：

select tagtext from tag

第一种情况非常简单。如果我正确索引它可能会加速。第二个是有点难，因为我必须不断删除没有连接的标签。想象一个相当大的系统，这会更好。

Answer 1

我会选择哪种解决方案为您的应用提供最佳/最干净的设计。如果您需要将数据直接附加到标记，那么单独的表（即更规范化的解决方案）将是正确的。

我会警告不要过多地担心2个提议的解决方案中的性能差异，如果编入索引，差异可能是微不足道的（两者都是相当常见的用例，并且可以使用标准数据库技术轻松优化）。在基于性能的两个呈现选项之间做出决定听起来像是过早的优化。

Answer 2

选项2进行了一些修改。假设您将输入限制为标记表中包含的值，那么您可以为不同目的执行两个不同的查询。

第一个查询将为您提供所有当前USED标记的唯一列表。

第二个查询将为您提供可以使用的所有可能标记，包括尚未使用的标记。

最好使用标记ID并在标记和article_tags表之间建立关系。这将使选项2更有效，因为索引只是一个整数而不是一个字符串。

Answer 3

我会选择

Article
-------
ArticleID int PK

Article_Tags
------------
ArticleTagID int PK
ArticleID int FK
TagId int FK

Tag
---
TagId int identity(1,1) PK
TagText varchar(50) 

没有理由从此开始对此进行反规范化。 （您的第一个和第二个版本未规范化）

在单独的表中使用标记很好，并且获取唯一标记更清晰，没有那个明确的语句。

如果应用了正确的索引，如果3个选项中的任何一个将执行几乎相同的性能。

Answer 4

要回答标题中的基本问题：DISTINCT通常意味着对数据进行排序。根据索引，查询的结构和返回的数据量可能是免费的（tagtext上的正确索引，ORDER BY tagtext，小返回集）或不（缺少索引，顺序无关，大量返回集）。 / p>

Answer 5

维护两个表的开销不太可能是弄乱简单设计的合理权衡。

如果你真的担心它会很简单地测试它，但根据我的丰富经验，毫无疑问这是真的。