比较 SQL Server 2008 中的 DISTINCT、GROUP BY 和 ROW_NUMBER() 与数据仓库工作负载

Question

我最近听到了这样的建议：“如果您使用的是 DISTINCT，我会挑战您修复您的代码。” 但是，我想知道这个建议背后的考虑因素，以及这是否意味着我应该以不同的方式处理以下问题。

问题背景

我有一个非规范化的日期维度表（Kimball 星型架构）。在这张表中，我折叠了几个第三范式表：日期、绝对周、绝对月和年。对于这些折叠表中的每一个，我都有一个表示唯一标识的列、一个文本名称列和一个数字手动排序索引。这是显示结构的示例行，数字仅用于说明（为便于阅读采用垂直形式）：

• 日期编号：20110507
• 日期名称：2011 年 5 月 7 日
• 日期订单：17813
• 周号：201118
• 周名：2011 年第 18 周
• 周订单：617
• 月号：201105
• MONTHNAME：2011年5月
• 月订单: 74
• 年份编号：2011
• 年份名称: 2011
• 年订单: 41

为了便于理解，我选择使用日期维度表，但该问题可以转换为任何其他涉及层次结构的维度表。

问题概要

我想用相关的文本字段检索一组不同的周和月组合。

可能的解决方案

1. 与众不同

SELECT DISTINCT MonthId, WeekId, YearName, MonthName, WeekName
  FROM DimDate

请注意，我不能排除 MonthId 或 WeekId，因为我不能假设自由文本字段是唯一的。

2. 分组依据

SELECT MIN(YearName), MIN(MonthName), MIN(WeekName)
  FROM DimDate
 GROUP BY MonthId, WeekId

3. 行号

WITH grp AS (
  SELECT YearName, MonthName, WeekName
       , ROW_NUMBER() OVER (PARTITION BY MonthId, WeekId) AS r
    FROM DimDate
)
SELECT YearName, MonthName, WeekName
  FROM grp
 WHERE grp.r = 1

4.ETL

在这种方法中，非叶属性的每个组合的索引视图都被预先计算并直接查询。显然，这在查询时是最快的，但可能需要多次复制维度表，具体取决于维度中层次结构的复杂性。

注释

我希望该ROW_NUMBER解决方案是最快的（不包括ETL方法），但它还需要查询规范中的子查询或 CTE。虽然这不是一个严重的问题，但它确实使查询更难阅读。我希望GROUP BY和DISTINCT方法几乎是等效的，因为每个列都必须以某种形式的排序操作使用，而ROW_NUMBER解决方案只需要对分区列进行排序。

我错过了什么吗？SQL Server 能否更有效地使用非规范化列标识的非唯一索引？

--edit - 附加说明：

1. 周和月标识符是绝对的，因此在此方案中它们表示年份。我强制要求周仅在一年中。在 SSAS 中，将有两个层次结构：日期、周、年和日期、月、年。

2. 我相信 DISTINCT 给出了相同的输出，因为请求的列仅因周、月或年而异，而周和月都暗示了年。

3. 索引目前仅在标识符列上（单列非唯一）

通常，我正在对事实表执行聚合查询，但通过一组由最终用户选择且事先未知的非叶维度属性进行报告。我试图减少这个问题的问题空间。

Answer 1

根据我的经验，聚合（DISTINCT 或 GROUP BY）可能比 ROW_NUMBER() 方法更快。也就是说，SQL Server 2008 的 ROW_NUMBER 比 SQL Server 2005 更好。

不过，你还是得根据自己的情况去尝试一下。
比较查询计划，并使用Profiler和SET捕获IO、CPU、Duration等

有关大量背景信息，请参阅以下问题：

• 为什么窗口聚合函数的逻辑读取如此之高？（点击马丁·史密斯的链接）
• 我可以从 sql server 中的一个 sql 查询中获取 count() 和行吗？（请注意我和 Chris Bednarski 的回答中的评论）

最后，您是否需要 ROW_NUMBER 方法？看起来您正在解决由非规范化引起的问题。

还有一些注意事项：

• YearID 不应该在 GROUP BY 或 PARTITION BY 中吗？
• DISTINCT 不会给出不同的输出吗？
• 这些列是否已建立索引？