如何使用 SQL Server SUM 函数避免指数时间成本？

问题描述

我意识到每次使用 SUM 函数时，我的查询都会花费指数时间...

例如，下面的代码需要 2 秒

SELECT sub.a,SUM(sub.b)
FROM (
   SELECT a,b,c 
   FROM temp
)sub 
GROUP BY a;

使用第二个 SUM 现在需要 4 秒，依此类推...

SELECT sub.a,SUM(sub.b),SUM(sub.c)
FROM (
   SELECT a,c 
   FROM temp
)sub 
GROUP BY a;

似乎我所做的每个 SUM 都会再次执行子查询，这是否正确，避免时间成本的最佳做法是什么？

上面的例子只是以最基本的方式表示问题

解决方法

TL;DR：不，这是完全错误的。

当您在 SQL Server 中运行查询时，优化器会将其编译为它可以找到的最有效的方法。您可以通过点击 SSMS 中的 Include Actual Execution Plan 来查看结果。

对于您指定的查询，它通常会执行以下操作：

1. 它指出子查询可以内联到查询中，并且这样做：

SELECT sub.a,SUM(sub.b),SUM(sub.c)
FROM temp
GROUP BY a;

2. 然后它会评估通过 a 值聚合表的最佳方式。假设根本没有索引，这里最有可能选择 Hash Aggregate。

3. 在执行时，每一行都被送入哈希，它建立一个内存哈希表，以a值作为键。每行都根据a进行查找，如果之前没有看到过，则会将一个键添加到哈希表中。然后将 b 和 c 值添加到该键。

4. 假设您在 a,b,c 上有一个索引。现在可以使用更快的方法，称为流聚合，因为现在值正在通过按 a 排序的聚合。

5. 每一行都通过聚合。如果 a 值与之前的行相同，则将 b 和 c 值添加到我们目前拥有的任何内容中。当 a 值发生变化时，输出现有结果，我们再次开始聚合。

对额外的列求和确实是额外的开销，但与读取磁盘表或散列相比，这是非常小的，每个查询只执行一次。