你的位置:首页 > 数据库

[数据库]SQL Server里Grouping Sets的威力


在SQL Server里,你有没有想进行跨越多个列/纬度的聚集操作,不使用SSAS许可(SQL Server分析服务)。我不是说在生产里使用开发版,也不是说安装盗版SQL Server。

不可能的任务?未必,因为通过SQL Server里所谓的Grouping Sets就可以。在这篇文章里我会给你概括介绍下Grouping Sets,使用它们可以实现哪类查询,什么是它们的性能优势。

使用Grouping Sets的聚合

假设你有个订单表,你想进行跨多个分组的T-SQL聚集查询。在AdventureWorks2012数据库的Sales.SalesOrderHeader表的环境里,这些分组可以类似如下:

  • 在每列分组
  • GROUP BY SalesPersonID, YEAR(OrderDate)
  • GROUP BY CustomerID, YEAR(OrderDate)
  • GROUP BY CustomerID, SalesPersonID, YEAR(OrderDate)

当你想用传统T-SQL查询进行这些各自分组时,你需要多个语句,对各个记录集进行UNION ALL。我们来看这样的查询:

 1 SELECT * FROM 2 ( 3   -- 1st Grouping Set 4   SELECT 5     NULL AS 'CustomerID', 6     NULL AS 'SalesPersonID',  7     NULL AS 'OrderYear',  8     SUM(TotalDue) AS 'TotalDue'  9   FROM Sales.SalesOrderHeader10   WHERE SalesPersonID IS NOT NULL11 12   UNION ALL13 14   -- 2nd Grouping Set15   SELECT16     NULL AS 'CustomerID',17     SalesPersonID, 18     YEAR(OrderDate) AS 'OrderYear', 19     SUM(TotalDue) AS 'TotalDue' 20   FROM Sales.SalesOrderHeader21   WHERE SalesPersonID IS NOT NULL22   GROUP BY SalesPersonID, YEAR(OrderDate)23 24   UNION ALL25 26   -- 3rd Grouping Set27   SELECT28     CustomerID,29     NULL AS 'SalesPersonID', 30     YEAR(OrderDate) AS 'OrderYear', 31     SUM(TotalDue) AS 'TotalDue' 32   FROM Sales.SalesOrderHeader33   WHERE SalesPersonID IS NOT NULL34   GROUP BY CustomerID, YEAR(OrderDate)35 36   UNION ALL37 38   -- 4th Grouping Set39   SELECT40     CustomerID,41     SalesPersonID,42     YEAR(OrderDate) AS 'OrderYear', 43     SUM(TotalDue) AS 'TotalDue' 44   FROM Sales.SalesOrderHeader45   WHERE SalesPersonID IS NOT NULL46   GROUP BY CustomerID, SalesPersonID, YEAR(OrderDate)47 ) AS t48 ORDER BY CustomerID, SalesPersonID, OrderYear49 GO

用这个T-SQL语句方法有多个缺点:

  • T-SQL语句本身很庞大,因为每个单独分组都是一个不同查询。
  • 每查询1次,Sales.SalesOrderHeader表需要访问4次。
  • 每查询1次,你在执行计划里会看到SQL Server进行了4次的索引查找(非聚集)(Index Seek (NonClustered) )

 

如果你使用自SQL Server 2008以后引入的grouping sets功能,就可以大大简化你需要的T-SQL代码。下面代码展示你同样的查询,但这次用grouping sets实现。

 1 SELECT 2   CustomerID,  3   SalesPersonID,  4   YEAR(OrderDate) AS 'OrderYear',  5   SUM(TotalDue) AS 'TotalDue' 6 FROM Sales.SalesOrderHeader 7 WHERE SalesPersonID IS NOT NULL 8 GROUP BY GROUPING SETS 9 (10   -- Our 4 different grouping sets11   (CustomerID, SalesPersonID, YEAR(OrderDate)),12   (CustomerID, YEAR(OrderDate)),13   (SalesPersonID, YEAR(OrderDate)),14   ()15 )16 GO

从代码本身可以看到,你只在GROUP BY GROUPING SETS子句里指定需要的分组集——其它的一切都由SQL Server搞定。指定的空括号是所谓的Empty Grouping Set,是跨整个表的聚集。当你看STATISTICS IO输出时,你会发现Sales.SalesOrderHeader只被访问了1次!这是和刚才手工实现的巨大区别。

在执行计划里,SQL Server使用了Table Spool运算符,它把获得的数据临时存储在TempDb里。来自临时表里创建的Worktable的数据在执行计划的第2个分支被使用。因此对来自表的每个分组数据没有重新扫描,这就给整个执行计划的带来了更好的性能。

我们再来看下执行计划,你会发现查询计划包含了3个Stream Aggregate运算符(红色,蓝色,绿色高亮显示)。这3个运算符计算各个分组集:

  • 蓝色高亮的运算符计算CustomerID, SalesPersonID, YEAR(OrderDate的分组集。
  • 红色高亮的运算符计算SalesPersonID, YEAR(OrderDate)的分组集。另外也计算每1列的分组集。
  • 绿色高亮的运算符计算CustomerID, YEAR(OrderDate)的分组集。

2个连续的Stream Aggregate运算符的背后想法是计算所谓的Super Aggregates——聚集的聚集。

小结

在今天的文章里我给你介绍了grouping sets,在SQL Server 2008后引入的增强T-SQL。如你所见grouping sets有2个大优点:简化你的代码,只访问一次数据提高查询性能。

我希望现在你已经能够很好理解grouping sets,如果你能在你的数据库里使用这个功能可以在此留言,非常感谢!

感谢关注!