Question

我试图完成工作时遇到了这样的问题。

给定数据集，对于每个项目，都有 D 维度，并且可以设置 C 值每个维度。
例如，数据集 THINGS（ID，所有者，颜色，重量） ， ID 是主键
所有者属性可以是 alice，jack，zuck ;
颜色属性可以是红色，黄色，绿色;
weight 属性可以高，中，低;
在该数据集中，D = 3，C = 3

现在我想做很多次查询，例如：
“有没有所有者=红色和颜色=红色的数据”？ “有没有重量=低的数据”？ “有没有所有者=红色，颜色=红色，重量=高”的数据？ 我只需要“是或否”来回答此问题。

我原本需要这样做，我的意思是没有数据库在PC中，我尝试位图和反向索引来完成要求，但数据集的大小将为百万，维度将为8~18，基数将为5〜15。结果，效率不够好。

你可以给我任何建议，使它更有效率吗？提前谢谢！

Answer 1

您可能希望每个维度都有一个排序字典，其中KEY是维度的可能元素，而VALUE是ID列表。

OWNER_DICTIONARY = {
    Bob: [1,5],
    Jim: [2],
    Sally: [3,4],
    Will: []
}
COLOR_DICTIONARY = {
    Blue: [5],
    Green: [2],
    Red: [],
    Yellow: [1,3,4]
}
WEIGHT_DICTIONARY = {
    Low: [1,2,4],
    High: [3,5]
}

然后，您可以简单地在词典的VALUES（ID列表）上使用INTERSECT。如果交叉点大小大于0，则表示您具有正匹配。

Owner=Bob AND Weight=High

([1,5] UNION [3,5]) = [5]

如果您的标准（或之前的一个INTERSECTIONs）之一的值为[]为空，则可以立即短路（返回false），而无需进一步评估。

在数据库术语中，您将在每个字段/列上放置一个非聚集索引。并且正在做

EXISTS(SELECT ID FROM Table WHERE Col1=@Val1 AND Col2=@Val2 AND Col3=@Val3)

编辑 UNION - ＆gt; INTERSECTION好抓@ElKamina

什么指数可以高效率地应用于这种情况？

1 个答案: