我应该在连接条件中还是在先前的 CTE 中放置行号过滤器？

Question

我有一个 subscription table 和一个 payments table 我需要加入。我试图在 2 个选项之间做出决定，性能是一个关键考虑因素。

以下两个选项中哪个效果更好？

我正在使用 Impala，这些 table 很大（数百万行）我只需要为每个 id 和 [=15= 获取一行] 分组（因此 row_number() 分析函数）。

我已经缩短了查询以说明我的问题：

选项 1：

WITH cte
   AS (
   SELECT *
      , SUM(amount) OVER (PARTITION BY id, date) 
        AS sameday_total
      , ROW_NUMBER() OVER (PARTITION BY id, date ORDER BY purchase_number DESC)
        AS sameday_rownum
   FROM payments
), 
payment
AS (
    SELECT * 
    FROM cte
    WHERE sameday_rownum = 1
    )
    SELECT s.* 
       , p.sameday_total
    FROM subscription
    INNER JOIN payment ON s.id = p.id

选项 2：

WITH payment
   AS (
   SELECT *
          , SUM(payment_amount) OVER (PARTITION BY id, date) 
            AS sameday_total
          , ROW_NUMBER() OVER (PARTITION BY id, date ORDER BY purchase_number DESC)
            AS sameday_rownum
   FROM payments
)
SELECT s.*
       , p.sameday_total
FROM subscription
INNER JOIN payment ON s.id = p.id
                  AND p.sameday_rownum = 1

Answer 1

“选项 0”也存在。更传统的 "derived table" 根本不需要使用任何 CTE。

SELECT s.*
       , p.sameday_total
FROM subscription
INNER JOIN (
           SELECT *
             , SUM(payment_amount) OVER (PARTITION BY id, date) 
                 AS sameday_total
             , ROW_NUMBER() OVER (PARTITION BY id, date ORDER BY purchase_number DESC)
                AS sameday_rownum
           FROM payments
           ) p ON s.id = p.id
                  AND p.sameday_rownum = 1

所有选项 0,1 和 2 都可能产生相同或非常相似的解释计划（尽管我对 SQL 服务器的声明比 Impala 更有信心）。

采用 CTE 本身并不能使查询更高效或性能更好，因此选项 1 和选项 2 之间的语法更改并不重要。我自己更喜欢选项 0，因为我更喜欢将 CTE 用于特定任务（例如递归）。

你应该做的是use explain plans研究每个选项产生的结果。

我应该在连接条件中还是在先前的 CTE 中放置行号过滤器？

Should I put a row number filter in join condition or in a prior CTE?

sql

etl

query-performance

impala