Часть моей рабочей нагрузки использует функцию CLR, которая реализует жуткий алгоритм хэширования для сравнения строк, чтобы увидеть, изменились ли какие-либо значения столбцов. Функция CLR принимает в качестве входных данных двоичную строку, поэтому мне нужен быстрый способ преобразования строк в двоичную строку. Я ожидаю, что при полной рабочей нагрузке будет хэшироваться около 10 миллиардов строк, поэтому я хотел бы, чтобы этот код был максимально быстрым.
У меня около 300 таблиц с разными схемами. Для целей этого вопроса, пожалуйста, примите простую структуру таблицы из 32 INTстолбцов, которые могут содержать нуль . Внизу этого вопроса я привел пример данных, а также способ сравнения результатов.
Строки должны быть преобразованы в одну и ту же двоичную строку, если все значения столбцов одинаковы. Строки должны быть преобразованы в разные двоичные строки, если любое значение столбца отличается. Например, такой простой код, как следующий, не будет работать:
CAST(COL1 AS BINARY(4)) + CAST(COL2 AS BINARY(4)) + ..Он не обрабатывает NULL правильно. Если COL1NULL для строки 1 и COL2NULL для строки 2, тогда обе строки будут преобразованы в пустую строку. Я считаю, что правильная обработка значений NULL - самая сложная часть правильного преобразования всей строки. Все допустимые значения для столбцов INT возможны.
Выгрузить некоторые вопросы:
- Если это имеет значение, то в большинстве случаев (90% +) столбцы не будут иметь значение NULL.
- Я должен использовать CLR.
- Я должен хешировать это много строк. Я не могу сохранить хэши.
- Я считаю, что я не могу использовать пакетный режим для преобразования из-за наличия функции CLR.
Какой самый быстрый способ конвертировать 32 обнуляемых INTстолбцов в BINARY(X)или VARBINARY(X)строку?
Пример данных и код, как и было обещано:
-- create sample data
DROP TABLE IF EXISTS dbo.TABLE_OF_32_INTS;
CREATE TABLE dbo.TABLE_OF_32_INTS (
COL1 INT NULL,
COL2 INT NULL,
COL3 INT NULL,
COL4 INT NULL,
COL5 INT NULL,
COL6 INT NULL,
COL7 INT NULL,
COL8 INT NULL,
COL9 INT NULL,
COL10 INT NULL,
COL11 INT NULL,
COL12 INT NULL,
COL13 INT NULL,
COL14 INT NULL,
COL15 INT NULL,
COL16 INT NULL,
COL17 INT NULL,
COL18 INT NULL,
COL19 INT NULL,
COL20 INT NULL,
COL21 INT NULL,
COL22 INT NULL,
COL23 INT NULL,
COL24 INT NULL,
COL25 INT NULL,
COL26 INT NULL,
COL27 INT NULL,
COL28 INT NULL,
COL29 INT NULL,
COL30 INT NULL,
COL31 INT NULL,
COL32 INT NULL
);
INSERT INTO dbo.TABLE_OF_32_INTS WITH (TABLOCK)
SELECT 0, 123, 12345, 1234567, 123456789
, 0, 123, 12345, 1234567, 123456789
, 0, 123, 12345, 1234567, 123456789
, 0, 123, 12345, 1234567, 123456789
, 0, 123, 12345, 1234567, 123456789
, 0, 123, 12345, 1234567, 123456789
, NULL, -876545321
FROM
(
SELECT TOP (1000000) ROW_NUMBER() OVER (ORDER BY (SELECT NULL)) RN
FROM master..spt_values t1
CROSS JOIN master..spt_values t2
) q
OPTION (MAXDOP 1);
GO
-- procedure to test performance
CREATE OR ALTER PROCEDURE #p AS
BEGIN
SET NOCOUNT ON;
DECLARE
@counter INT = 0,
@dummy VARBINARY(8000);
WHILE @counter < 10
BEGIN
SELECT @dummy = -- this code is clearly incomplete as it does not handle NULLs
CAST(COL1 AS BINARY(4)) +
CAST(COL2 AS BINARY(4)) +
CAST(COL3 AS BINARY(4)) +
CAST(COL4 AS BINARY(4)) +
CAST(COL5 AS BINARY(4)) +
CAST(COL6 AS BINARY(4)) +
CAST(COL7 AS BINARY(4)) +
CAST(COL8 AS BINARY(4)) +
CAST(COL9 AS BINARY(4)) +
CAST(COL10 AS BINARY(4)) +
CAST(COL11 AS BINARY(4)) +
CAST(COL12 AS BINARY(4)) +
CAST(COL13 AS BINARY(4)) +
CAST(COL14 AS BINARY(4)) +
CAST(COL15 AS BINARY(4)) +
CAST(COL16 AS BINARY(4)) +
CAST(COL17 AS BINARY(4)) +
CAST(COL18 AS BINARY(4)) +
CAST(COL19 AS BINARY(4)) +
CAST(COL20 AS BINARY(4)) +
CAST(COL21 AS BINARY(4)) +
CAST(COL22 AS BINARY(4)) +
CAST(COL23 AS BINARY(4)) +
CAST(COL24 AS BINARY(4)) +
CAST(COL25 AS BINARY(4)) +
CAST(COL26 AS BINARY(4)) +
CAST(COL27 AS BINARY(4)) +
CAST(COL28 AS BINARY(4)) +
CAST(COL29 AS BINARY(4)) +
CAST(COL30 AS BINARY(4)) +
CAST(COL31 AS BINARY(4)) +
CAST(COL32 AS BINARY(4))
FROM dbo.TABLE_OF_32_INTS
OPTION (MAXDOP 1);
SET @counter = @counter + 1;
END;
SELECT cpu_time
FROM sys.dm_exec_requests
WHERE session_id = @@SPID;
END;
GO
-- run procedure
EXEC #p;(Я все еще буду использовать пугающий хеш для этого двоичного результата. Рабочая нагрузка использует хеш-соединения, и хеш-значение используется для одной из хеш-сборок. Я не хочу длинное двоичное значение в хеш-сборке, потому что оно требует слишком много Память.)