用子查询替换长 GROUP BY 列表

Question

这是我在 Stack Overflow 上的问题的转贴。他们建议在这里问：

我在2005 年找到了一篇在线文章，作者声称，许多开发人员使用 GROUP BY 是错误的，您最好将其替换为子查询。

我已经在我的一个查询中对其进行了测试，我需要根据另一个表中连接条目的数量对搜索结果进行排序（更常见的条目应该首先出现）。我最初的经典方法是将两个表连接到一个公共 ID，按选择列表中的每个字段分组，并按子表的计数对结果进行排序。

现在，来自链接博客的 Jeff Smith 声称，您最好使用一个子选择，它执行所有分组，而不是加入该子选择。检查这两种方法的执行计划，SSMS 指出，大组需要 52% 的时间，子选择需要 48%，所以从技术角度来看，子选择方法实际上要快一点。但是，“改进”的 SQL 命令似乎生成了更复杂的执行计划（就节点而言）

你怎么认为？您能否详细说明在这种特定情况下如何解释执行计划，以及哪一个通常是更可取的选择？

SELECT
    a.ID,
    a.ID_AddressType,
    a.Name1,
    a.Name2,
    a.Street,
    a.Number,
    a.ZipCode,
    a.City,
    a.Country
FROM dbo.[Address] a
INNER JOIN CONTAINSTABLE(
    dbo.[Address],
    FullAddress,
    '"ZIE*"',
    5
) s ON a.ID = s.[KEY]
LEFT JOIN dbo.Haul h ON h.ID_DestinationAddress = a.ID
GROUP BY
    a.ID,
    a.ID_AddressType,
    a.Name1,
    a.Name2,
    a.Street,
    a.Number,
    a.ZipCode,
    a.City,
    a.Country,
    s.RANK
ORDER BY s.RANK DESC, COUNT(*) DESC;

SELECT
    a.ID,
    a.ID_AddressType,
    a.Name1,
    a.Name2,
    a.Street,
    a.Number,
    a.ZipCode,
    a.City,
    a.Country
FROM dbo.[Address] a
INNER JOIN CONTAINSTABLE(
    dbo.[Address],
    FullAddress,
    '"ZIE*"',
    5
) s ON a.ID = s.[KEY]
LEFT JOIN (
    SELECT ID_DestinationAddress, COUNT(*) Cnt
    FROM dbo.Haul
    GROUP BY ID_DestinationAddress
) h ON h.ID_DestinationAddress = a.ID
ORDER BY s.RANK DESC, h.Cnt DESC;

Answer 1

如果将左连接更改dbo.Haul为子查询，它将ID_DestinationAddress在从扫描中获取数据后直接计算（流聚合）的这些不同值并对其进行计数（计算标量）。

这是您在执行计划中看到的：

而使用该GROUP BY方法时，它仅在数据通过dbo.Haul和之间的左连接后进行分组dbo.[Address]。

它有多好将取决于 dbo.Haul 的唯一值比率。更少的唯一值意味着第二个执行计划的结果更好，因为左连接必须处理更少的值。

第二个查询的另一个肯定结果是只ID_DestinationAddress计算了的唯一性，而不是 group by 中所有列作为一个整体的唯一性。

同样，您应该测试和验证查询、数据集和索引的结果。测试您是否不熟悉执行计划的方法之一是SET STATISTICS IO, TIME ON;在执行查询之前进行设置，并通过将这些运行时统计信息粘贴到诸如statisticsparser 之类的工具中来使这些运行时统计信息更具可读性。

测试

一个小测试，显示数据的差异可以为这些查询做什么。

如果该dbo.Haul表与FULLTEXT索引过滤返回的5条记录匹配的不多，则差异不大：

按查询计划分组

子查询查询计划

1000 行可以更早地过滤，但无论如何在我的机器上，这两个查询的执行时间约为 15毫秒。

现在，如果我更改我的数据，那么这 5 条记录dbo.Haul在左连接中有更多匹配项：

group by 查询的区别

    <QueryTimeStats CpuTime="1564" ElapsedTime="1566" />

并且子查询变得更加清晰

和统计数据：

<QueryTimeStats CpuTime="680" ElapsedTime="690"/>