Вот несколько методов, которые вы можете сравнить. Сначала давайте настроим таблицу с некоторыми фиктивными данными. Я заполняю это кучей случайных данных из sys.all_columns. Ну, это как-то случайно - я гарантирую, что даты являются смежными (что действительно важно только для одного из ответов).
CREATE TABLE dbo.Hits(Day SMALLDATETIME, CustomerID INT);
CREATE CLUSTERED INDEX x ON dbo.Hits([Day]);
INSERT dbo.Hits SELECT TOP (5000) DATEADD(DAY, r, '20120501'),
COALESCE(ASCII(SUBSTRING(name, s, 1)), 86)
FROM (SELECT name, r = ROW_NUMBER() OVER (ORDER BY name)/10,
s = CONVERT(INT, RIGHT(CONVERT(VARCHAR(20), [object_id]), 1))
FROM sys.all_columns) AS x;
SELECT
Earliest_Day = MIN([Day]),
Latest_Day = MAX([Day]),
Unique_Days = DATEDIFF(DAY, MIN([Day]), MAX([Day])) + 1,
Total_Rows = COUNT(*)
FROM dbo.Hits;
Полученные результаты:
Earliest_Day Latest_Day Unique_Days Total_Days
------------------- ------------------- ----------- ----------
2012-05-01 00:00:00 2013-09-13 00:00:00 501 5000
Данные выглядят так (5000 строк), но в вашей системе они будут немного отличаться в зависимости от версии и номера сборки:
Day CustomerID
------------------- ---
2012-05-01 00:00:00 95
2012-05-01 00:00:00 97
2012-05-01 00:00:00 97
2012-05-01 00:00:00 117
2012-05-01 00:00:00 100
...
2012-05-02 00:00:00 110
2012-05-02 00:00:00 110
2012-05-02 00:00:00 95
...
И результаты промежуточных итогов должны выглядеть следующим образом (501 строка):
Day c rt
------------------- -- --
2012-05-01 00:00:00 6 6
2012-05-02 00:00:00 5 11
2012-05-03 00:00:00 4 15
2012-05-04 00:00:00 7 22
2012-05-05 00:00:00 6 28
...
Итак, методы, которые я собираюсь сравнить:
- «самообъединение» - пуристический подход на основе множеств
- «рекурсивный CTE с датами» - это зависит от непрерывных дат (без пробелов)
- "рекурсивный CTE с row_number" - похож на выше, но медленнее, полагаясь на ROW_NUMBER
- "рекурсивный CTE с таблицей #temp" - украден из ответа Микаэля в соответствии с предложением
- «странное обновление», которое, хотя и не поддерживается и не обещает определенного поведения, кажется довольно популярным
- "курсор"
- SQL Server 2012 с использованием новой функциональности окон
автообъединение
Именно так люди скажут вам сделать это, когда они предупреждают вас держаться подальше от курсоров, потому что «набор на основе всегда быстрее». В некоторых недавних экспериментах я обнаружил, что курсор опережает это решение.
;WITH g AS
(
SELECT [Day], c = COUNT(DISTINCT CustomerID)
FROM dbo.Hits
GROUP BY [Day]
)
SELECT g.[Day], g.c, rt = SUM(g2.c)
FROM g INNER JOIN g AS g2
ON g.[Day] >= g2.[Day]
GROUP BY g.[Day], g.c
ORDER BY g.[Day];
рекурсивный cte с датами
Напоминание - это зависит от непрерывных дат (без пропусков), до 10000 уровней рекурсии и от того, что вы знаете дату начала интересующего диапазона (для установки привязки). Конечно, вы можете динамически устанавливать привязку, используя подзапрос, но я хотел, чтобы все было просто.
;WITH g AS
(
SELECT [Day], c = COUNT(DISTINCT CustomerID)
FROM dbo.Hits
GROUP BY [Day]
), x AS
(
SELECT [Day], c, rt = c
FROM g
WHERE [Day] = '20120501'
UNION ALL
SELECT g.[Day], g.c, x.rt + g.c
FROM x INNER JOIN g
ON g.[Day] = DATEADD(DAY, 1, x.[Day])
)
SELECT [Day], c, rt
FROM x
ORDER BY [Day]
OPTION (MAXRECURSION 10000);
рекурсивный cte с row_number
Расчет Row_number здесь немного дороже. Опять же, это поддерживает максимальный уровень рекурсии 10000, но вам не нужно назначать привязку.
;WITH g AS
(
SELECT [Day], rn = ROW_NUMBER() OVER (ORDER BY DAY),
c = COUNT(DISTINCT CustomerID)
FROM dbo.Hits
GROUP BY [Day]
), x AS
(
SELECT [Day], rn, c, rt = c
FROM g
WHERE rn = 1
UNION ALL
SELECT g.[Day], g.rn, g.c, x.rt + g.c
FROM x INNER JOIN g
ON g.rn = x.rn + 1
)
SELECT [Day], c, rt
FROM x
ORDER BY [Day]
OPTION (MAXRECURSION 10000);
рекурсивный cte с временной таблицей
Кража из ответа Микаэля, как предлагалось, чтобы включить это в тесты.
CREATE TABLE #Hits
(
rn INT PRIMARY KEY,
c INT,
[Day] SMALLDATETIME
);
INSERT INTO #Hits (rn, c, Day)
SELECT ROW_NUMBER() OVER (ORDER BY DAY),
COUNT(DISTINCT CustomerID),
[Day]
FROM dbo.Hits
GROUP BY [Day];
WITH x AS
(
SELECT [Day], rn, c, rt = c
FROM #Hits as c
WHERE rn = 1
UNION ALL
SELECT g.[Day], g.rn, g.c, x.rt + g.c
FROM x INNER JOIN #Hits as g
ON g.rn = x.rn + 1
)
SELECT [Day], c, rt
FROM x
ORDER BY [Day]
OPTION (MAXRECURSION 10000);
DROP TABLE #Hits;
необычное обновление
Опять же, я включил это только для полноты; Лично я бы не стал полагаться на это решение, поскольку, как я уже упоминал в другом ответе, этот метод совсем не гарантированно работает и может полностью сломаться в будущей версии SQL Server. (Я делаю все возможное, чтобы заставить SQL Server подчиняться желаемому порядку, используя подсказку для выбора индекса.)
CREATE TABLE #x([Day] SMALLDATETIME, c INT, rt INT);
CREATE UNIQUE CLUSTERED INDEX x ON #x([Day]);
INSERT #x([Day], c)
SELECT [Day], c = COUNT(DISTINCT CustomerID)
FROM dbo.Hits
GROUP BY [Day]
ORDER BY [Day];
DECLARE @rt1 INT;
SET @rt1 = 0;
UPDATE #x
SET @rt1 = rt = @rt1 + c
FROM #x WITH (INDEX = x);
SELECT [Day], c, rt FROM #x ORDER BY [Day];
DROP TABLE #x;
курсор
«Осторожно, здесь есть курсоры! Курсоры - это зло! Вы должны избегать курсоров любой ценой!» Нет, это не я говорю, это просто вещи, которые я много слышу. Вопреки распространенному мнению, в некоторых случаях курсоры являются подходящими.
CREATE TABLE #x2([Day] SMALLDATETIME, c INT, rt INT);
CREATE UNIQUE CLUSTERED INDEX x ON #x2([Day]);
INSERT #x2([Day], c)
SELECT [Day], COUNT(DISTINCT CustomerID)
FROM dbo.Hits
GROUP BY [Day]
ORDER BY [Day];
DECLARE @rt2 INT, @d SMALLDATETIME, @c INT;
SET @rt2 = 0;
DECLARE c CURSOR LOCAL STATIC READ_ONLY FORWARD_ONLY
FOR SELECT [Day], c FROM #x2 ORDER BY [Day];
OPEN c;
FETCH NEXT FROM c INTO @d, @c;
WHILE @@FETCH_STATUS = 0
BEGIN
SET @rt2 = @rt2 + @c;
UPDATE #x2 SET rt = @rt2 WHERE [Day] = @d;
FETCH NEXT FROM c INTO @d, @c;
END
SELECT [Day], c, rt FROM #x2 ORDER BY [Day];
DROP TABLE #x2;
SQL Server 2012
Если вы работаете с самой последней версией SQL Server, усовершенствования функциональности управления окнами позволяют нам легко рассчитать промежуточные итоги без экспоненциальной стоимости самостоятельного объединения (SUM рассчитывается за один проход), сложности CTE (включая требование смежных строк для более эффективной работы CTE), неподдерживаемое причудливое обновление и запрещенный курсор. Просто будьте осторожны с разницей между использованием RANGEи ROWS, или вообще не указанием - ROWSизбегайте только спулинга на диске, который в противном случае значительно снизит производительность.
;WITH g AS
(
SELECT [Day], c = COUNT(DISTINCT CustomerID)
FROM dbo.Hits
GROUP BY [Day]
)
SELECT g.[Day], c,
rt = SUM(c) OVER (ORDER BY [Day] ROWS UNBOUNDED PRECEDING)
FROM g
ORDER BY g.[Day];
сравнение производительности
Я взял каждый подход и упаковал его, используя следующее:
SELECT SYSUTCDATETIME();
GO
DBCC DROPCLEANBUFFERS;DBCC FREEPROCCACHE;
-- query here
GO 10
SELECT SYSUTCDATETIME();
Вот результаты общей длительности в миллисекундах (помните, что это также включает команды DBCC каждый раз):
method run 1 run 2
----------------------------- -------- --------
self-join 1296 ms 1357 ms -- "supported" non-SQL 2012 winner
recursive cte with dates 1655 ms 1516 ms
recursive cte with row_number 19747 ms 19630 ms
recursive cte with #temp table 1624 ms 1329 ms
quirky update 880 ms 1030 ms -- non-SQL 2012 winner
cursor 1962 ms 1850 ms
SQL Server 2012 847 ms 917 ms -- winner if SQL 2012 available
И я сделал это снова без команд DBCC:
method run 1 run 2
----------------------------- -------- --------
self-join 1272 ms 1309 ms -- "supported" non-SQL 2012 winner
recursive cte with dates 1247 ms 1593 ms
recursive cte with row_number 18646 ms 18803 ms
recursive cte with #temp table 1340 ms 1564 ms
quirky update 1024 ms 1116 ms -- non-SQL 2012 winner
cursor 1969 ms 1835 ms
SQL Server 2012 600 ms 569 ms -- winner if SQL 2012 available
Удаление DBCC и циклов, просто измерение одной необработанной итерации:
method run 1 run 2
----------------------------- -------- --------
self-join 313 ms 242 ms
recursive cte with dates 217 ms 217 ms
recursive cte with row_number 2114 ms 1976 ms
recursive cte with #temp table 83 ms 116 ms -- "supported" non-SQL 2012 winner
quirky update 86 ms 85 ms -- non-SQL 2012 winner
cursor 1060 ms 983 ms
SQL Server 2012 68 ms 40 ms -- winner if SQL 2012 available
Наконец, я умножил количество строк в исходной таблице на 10 (изменив top на 50000 и добавив другую таблицу в качестве перекрестного соединения). Результаты этой одной итерации без команд DBCC (просто в интересах времени):
method run 1 run 2
----------------------------- -------- --------
self-join 2401 ms 2520 ms
recursive cte with dates 442 ms 473 ms
recursive cte with row_number 144548 ms 147716 ms
recursive cte with #temp table 245 ms 236 ms -- "supported" non-SQL 2012 winner
quirky update 150 ms 148 ms -- non-SQL 2012 winner
cursor 1453 ms 1395 ms
SQL Server 2012 131 ms 133 ms -- winner
Я только измерил продолжительность - я оставлю это в качестве упражнения для читателя, чтобы сравнить эти подходы на их данных, сравнивая другие метрики, которые могут быть важными (или могут варьироваться в зависимости от их схемы / данных). Прежде чем делать какие-либо выводы из этого ответа, вам нужно будет проверить его на соответствие вашим данным и вашей схеме ... эти результаты почти наверняка изменятся по мере увеличения числа строк.
демонстрация
Я добавил sqlfiddle . Полученные результаты:
вывод
В моих тестах выбор был бы:
- Метод SQL Server 2012, если у меня есть SQL Server 2012 доступен.
- Если SQL Server 2012 недоступен, а даты у меня смежные, я бы выбрал рекурсивный метод cte с датами.
- Если ни 1., ни 2. не применимы, я бы согласился на самообъединение из-за причудливого обновления, хотя производительность была близка, просто потому, что поведение задокументировано и гарантировано. Я меньше беспокоюсь о будущей совместимости, потому что, надеюсь, если причудливое обновление прекратится, это произойдет после того, как я уже преобразовал весь свой код в 1. :-)
Но опять же, вы должны проверить их на соответствие вашей схеме и данным. Поскольку это был надуманный тест с относительно низким числом рядов, он также может быть пердеть на ветру. Я провел другие тесты с другой схемой и количеством строк, а эвристика производительности была совершенно другой ... именно поэтому я задал так много дополнительных вопросов к вашему первоначальному вопросу.
ОБНОВИТЬ
Я написал больше об этом здесь:
Лучшие подходы к подведению итогов - обновлено для SQL Server 2012
Dayли ключ и являются ли значения смежными?