Question

我有一个subscription表和一个payments表，我需要加入。我试图在两个选项和性能之间做出决定是一个关键考虑因素。

以下两个OPTIONS中的哪一个会表现得更好？

我正在使用Impala，这些表很大（数百万行）我只需要为每个id和date分组获取一行（因此row_number()分析功能）。

我缩短了查询以说明我的问题：

选项1：

WITH cte
   AS (
   SELECT *
      , SUM(amount) OVER (PARTITION BY id, date) 
        AS sameday_total
      , ROW_NUMBER() OVER (PARTITION BY id, date ORDER BY purchase_number DESC)
        AS sameday_rownum
   FROM payments
), 
payment
AS (
    SELECT * 
    FROM cte
    WHERE sameday_rownum = 1
    )
    SELECT s.* 
       , p.sameday_total
    FROM subscription
    INNER JOIN payment ON s.id = p.id

选项2：

WITH payment
   AS (
   SELECT *
          , SUM(payment_amount) OVER (PARTITION BY id, date) 
            AS sameday_total
          , ROW_NUMBER() OVER (PARTITION BY id, date ORDER BY purchase_number DESC)
            AS sameday_rownum
   FROM payments
)
SELECT s.*
       , p.sameday_total
FROM subscription
INNER JOIN payment ON s.id = p.id
                  AND p.sameday_rownum = 1

Answer 1

＆＃34; 选项0 ＆＃34;也存在。一个更传统的派生表＆＃34;这根本不需要使用任何CTE。

SELECT s.*
       , p.sameday_total
FROM subscription
INNER JOIN (
           SELECT *
             , SUM(payment_amount) OVER (PARTITION BY id, date) 
                 AS sameday_total
             , ROW_NUMBER() OVER (PARTITION BY id, date ORDER BY purchase_number DESC)
                AS sameday_rownum
           FROM payments
           ) p ON s.id = p.id
                  AND p.sameday_rownum = 1

所有选项0,1和2都可能产生相同或非常相似的解释计划（尽管我对SQL Server的语句比对Impala更有信心）。

采用CTE本身 - 不会使查询更有效或更好地执行，因此选项1和2之间的语法更改不是主要的。我更喜欢自己选择0，因为我更喜欢将CTE用于特定任务（例如递归）。

你应该做的是use explain plans来研究每个选项产生的内容。

我应该在连接条件或先前的CTE中放置行号过滤器吗？

1 个答案: