使用 CTE 在 Group by 之前或之后过滤

Question

假设我有一个问题：

SELECT SUM(Data1), SUM(Data2), UserID 
FROM Table1
WHERE Data1 IN (1, 2, 3)
  AND USERID IN (SELECT USERID IN SOME SMALLISH Table of ~10000 Values)
GROUP BY UserID

这个查询的性能如何？将其包装在 CTE 中并在 group by 之后过滤掉 USERID 是否更好？它会用 IN 扫描每一行吗？那第一组应该更快吧？

编辑：添加了用户@jarlh

提到的缺失聚合

Answer 1

我会推荐 exists:

select data1, data2, userid
from table1 t1
where 
    data1 in (1, 2, 3)
    and exists (select 1 from some_smallish_table s where s.userid = t.userid)
group by data1, data2, userid

然后，您要确保在 some_smallish_table(userid) 上有索引，以便子查询快速执行。

Answer 2

我倾向于将查询更改为使用 EXISTS——尽管我不确定这是否会对 DB2 产生影响（某些数据库的优化器比其他数据库更好）：

SELECT SUM(Data1), SUM(Data2), UserID 
FROM Table1 t1
WHERE Data1 IN (1, 2, 3) AND
      EXISTS (SELECT 1
              FROM smallish s
              WHERE t2.USERID = t1.USERID
             )
GROUP BY UserID;

那么，如果我没理解错的话，你的问题是这个查询是否会执行得更好：

SELECT SUM(Data1), SUM(Data2), UserID 
FROM Table1 t1
WHERE Data1 IN (1, 2, 3)          
GROUP BY UserID
HAVING EXISTS (SELECT 1
              FROM smallish s
              WHERE t2.USERID = t1.USERID
             );

首先，您可以在您的数据和系统上测试这两个版本。这始终是验证性能问题的最佳方式。

其次，我希望 WHERE 版本更快——而且更快——因为聚合要聚合的行要少得多。

一个例外是数据库是否可以使用索引进行聚合。我希望 IN 排除这种可能性。另一个例外是，如果 EXISTS/IN 子句真的非常昂贵（比如不涉及索引），那么运行每个结果行只有一次可能更快。也就是说，这与聚合中的大量数据相平衡。

使用 CTE 在 Group by 之前或之后过滤

Filter before Group by or after with CTE

sql

db2

subquery

query-optimization