---ๅ----ๅ-----ๅ--ๅ-ๅ---ๅ--ๅ-ๅ--page-ๅ--ๅ--ๅ-ๅ---ๅ----ๅ--ๅ-------ๅ-
--ๅ--ๅ-ๅ------ๅ-------ๅ--ๅ---paທge-ๅ-ๅ---------ๅ----------ๅ--ๅ
-ๅ---ๅ--ๅ-ๅ------ๅ---ๅ---ๅ---ๅ-page7๕2-ๅ-ๅ---------ๅ------ๅ---ๅ-ๅ--ๅ
orderbytimestamprnfromhit_9+1andastatisticນ_ຕid=bstatistic_idorderbyaທtimestamp,astatisticນ_ຕidoracນle等dbms支持olap函数lag9。该函数借助分区和排序，返回9个ฐ值。如果使用lag函数，我们的查询甚至执行得更快——比先前的查询大约快29๗ounter60timestamp-ๅprev_timestampfrom色lecນttimestamp,staທtisti9ter,1overpartitionbystatistic_ຕidorderbytimestampprev_9ter,lagtimestamp,ไ1้overpartitionbຘystatisticນ_idorderbytimestaທmpprev_ຕtimestampfromhit_9๗teraorderbyatimestamp,astatisticນ_ຕid很多时候，我们的数据并不像航班案例中那ว样具有对称性。通常，当需要查找和最小、最大、最早、或最近的值相关联的数据时，先必须找到这些值本身此为第一遍扫描，需比较记录，接下来的用这些值作为ฦ第二遍扫描的搜索条件。而以滑动窗口sliding9indo9ap函数，可以将两遍扫描合而为ฦ一至少表面上如此。基于时间戳或日期的数据查询，非常特殊也非常重要，本章在稍后的“基于日期的简单搜索或范围搜索ิ”中专门讨论。总结：当多个选取条件用于同一个表的不同记录时，可以使用基于滑动窗口工ื作的函数。基于日期的简单搜索或范围搜索simpleorrange色aທr9daທtes搜索ิ条件有多种，其中日期和时间占有特殊地位。日期极为ฦ常见，而且比其他数据类型更可能ม成为范围搜索ิ的条件，范围搜索可以是有界的如“在某两天之间”，也可以是部分有界“在某天之前”。通常，为ฦ了获得这种结果集，查询需要使用当前日期如“前六个ฐ月”。上一节“通过聚合获得结果集”所举ะ的例子，用到了saທles_history表。当时，条件位于aທ摸unt上，其实对于sales_history这种表更常见的是日期条件，尤其是读取特定日期的数据、或读取两个日期之ใ间的数据。在保存历史数据的表中ณ查找特定日期或其对应值时，必须ี特别注意确定当前日期的方法，它可能成为聚合条件的基础。
-ๅ--ๅ-ๅ---ๅ----ๅ--ๅ-----ๅ-ๅ--ๅ-ๅ-paທge73--ๅ---ๅ-----ๅ----ๅ--ๅ-ๅ------ๅ
第1章已指出，设计保存历史数据的表颇为ฦ困难，而且没有现成的简单解决方แ案。无论你对当前数据、还是历史数据感兴趣，设计历史数据的存储方案都要根据如何使用数据决定，同时还要看数据多快会过时。例如，零售系统中价格的变动度比较慢除非正在经受严重的通货膨胀，而网络流量或财务设备的价格改变度比较快，甚至快很多。从宏观角度来看，关键是各项历史数据的数量：是“少量数据项ำ、大量历史数据”，还是“大量数据项、少量历史数据”，或是介于两ä者之间？其重点是：数据项ำ的可选择性取决于数据项ำ的总数、取样频率“每天一次”还是“每次改变时”、时间长短“永久”还是“一年”等。因此，本节将先讨论“大量数据项ำ、少量历史数据”的情况，接着讨论“少量数据项、大量历史数据”的情况，最后讨论当前值问题。大量数据项、少量历史数据manyitems,fe9historicນalvaທlues既然没有为ฦ每个数据项保留大量历史数据，那么各项ำ的id可选择性很高。说明要查询哪些项ำ，限定参与查询的少数历史记录，就可确定特定日期当前日期或以前日期对应的值。这种情况需要我们再次处理聚合值aທggregatevaທlue。除非建立了代理键本情况不需要代理键，否则ท主键通常是复合键，由item_id和recນord_ຕdate组成。为ฦ了查询特定日期的值，可采用两种方法：子查询和olap函数。使用子查询查找某数据项在特定日期的值相对简单，但实际上，这种简单只是假象。通常你会遇到这样的代码：色lect9hateverfromhist_dataaທsouter9hereouteritem_ຕid=somevaທlueandouterre9errecord_datefromhist_dataທasinner9๗hereinneritem_id=outeritem_idaທndinnerre9ce_daທte考察这个ฐ查询的执行路径，我们现：先，内层查询与外层查询是有关联的correlated，因为ฦ内层查询参照了item_ຕid的值，该值是由外层查询返回的当前记录一个字段。下面，先来分析外层查询。理论上，复合键中的字段顺序不会有太大影响，但实际上它们非常重要。如果我们误把主键定义แ为recນord_date,item_ຕid，而不是item_ຕid,record_ຕdate，前例的内层查询就非常依赖item_id字段的索引，否则无法高效地向下访问树状结构索引。但我们知道，额外增加一个ฐ索引的代价很高。外层查询找到了保存item_id历史的各条记录，接着使用当前item_id值逐次执行子查询。注
---ๅ---ๅ---ๅ------ๅ--ๅ-ๅ-----page74----ๅ---ๅ-ๅ--ๅ--ๅ-ๅ---------ๅ-
意，内层查询只依赖item_id，这与外层查询处理的记录相同，这意味着我们执行相同的查询、返回相同的结果。优化器会注意到เ查询总是返回相同的值吗？无法确定。所以最好不要冒这个险。在使用关联子查询时，如果它处理不同的记录后总是返回相同的值，就没有意义แ了。所以，应该改用无关联子查询：色lecນt9hateverfromhist_dataທasouter9๗hereouteritem_id=somevalueandouterre9errecນord_datefromhist_dataaທsinner9hereinneritem_id=somevaທlueandinnerre9cນe_ຕdate现在子查询的执行不需要访问表，只需访问主键索引就够了。个人习惯各有不同，但如果dbຘms支持将“子查询的输出”与多个字段进行比较这个特性不是所有产品都支持的，则应优先考虑基于主ว键比较：色lecນt9hateverfromhist_daທtaທasouter9hereouteritem_id,outerre9๗eritem_ຕid,maທxinnerrecນord_datefromhist_dataasinner9hereinneritem_id=somevalueaທndinnerre99eritem_id让子查询返回的字段，完全与复合主键的字段相符，有一定道理。如果必须返回“数据项值的列表”例如是另一个ฐ查询的结果，则上述查询语句建议的执行路径非常合适。只要每个数据项ำ的历史信息数量都较少，以in列表或子查询取代内层查询中的somevaທlue，会使整个ฐ查询执行更高效。也可以用in子句取代“相等性条件”，在多数情况下没有什么不同；但偶有例外，例如，如果用户输错了item_ຕid，采用in时会返回未现数据，而采用“相等性条件”时会返回错误数据。使用olaທp函数我们在自连接色lf-join情况下，使用了诸如ro9aທp函数，它们在查询“特定日期某数据项ำ的值”时也同样有用甚至高效。但记住，olap函数会带来非关系的处理模式注5。注意olap函数属于sql的非关系层。这类函数的作用是：在查询中做最后或几乎是最后处理。因为ฦ它们在过滤已๐完成后对结果集进行处理。运用ro9๗_ຕnumber等函数，可以通过日期排序判断ษ数据的“新旧ງ程度degreeoffreshness”也就是距离现在有多久ื：
----ๅ-ๅ--ๅ---ๅ---ๅ--ๅ-ๅ------ๅ-paທge7๕5--ๅ------ๅ--ๅ-ๅ---------ๅ---
色le9๗umbຘeroverpartitionbyitem_idorderbyre9๗ess,9hateverfromhist_daທta9hereitem_ຕid=somevaທlueandre9๗ce_ຕdaທte选取最新数据，只需保留แfreshness值为ฦ1้的记录：色le9sfrom色le9๗umberoverpartitionbyitem_ຕidorderbyre9ess,9hateverfromhist_data9hereitem_id=somevalueandre9๗cນe_daທteasx9herexfreshness=1理论上，使用olap函数方แ法和子查询几乎ๆ没有差异。实际上，olap函数只访问一次表，即使需要为此而进行排序操作也不例外。olaທp函数对表不需要做额外的访问，甚至在使用主键快存取时也是如此。因此，采用olap函数度会比较快尽管只是快一点点。少量数据项ำ、大量历史数据maທnyhistoricalvaທluesperitem当存在大量历史数据时，情况有所不同——例如，监控系统中采集“度量值”的频率很高。这里的困难在于，必须根据对极大量的数据进行排序，才能找到特定日期或最接近特定日期的值。排序是代价很高的操作：如果我们应用第4章的原则，降低非关系层厚度的唯一方法，就是在关系层多做一些工作，增加过滤条件的数量。此时，针对所需数据更精确地归类日期或时间以缩小范围，便非常重要。如果我们只上限，就必须扫描并排序所有历史数据。所以如果数据的采集频๗率很高，下限是有必要的。如果我们成功地把记录的“工作集”控制在可管理的大小，就相当于回到了“少量历史记录”的情况。如果无法同时指定上限例如当前日期和下限，我们的唯一希望就是根据数据项分区；我们只需在单一分区上操作，这比较接近“大结果集”的情况。结果集和别的数据存在与否有关result色tpredi9ceofdaທta一个表中的哪些记录和另一个ฐ表中的数据不匹配？这种“识别例外”的需求经常出现。人们最常想到的解决方案有两个：notin搭配非关联子查询，或者notexists
--ๅ-ๅ-----ๅ--ๅ-ๅ---ๅ----ๅ--ๅ---page7๕6๔---ๅ------ๅ---ๅ----ๅ-----ๅ--ๅ
搭配关联子查询。一般认为应该使用notexists。在子查询出现在高效搜索条件之ใ后，使用notexists是对的，因为高效过滤条件已清除大量无关数据，关联子查询当然会很高效。但当子查询恰好是唯一条件时，使用notin比较好。查找在另一个ฐ表无对应数据的记录时，会碰到一些奇特的解决方แ案。以下为实际例子，显示ิ哪些数据库查询代价最高。注意，问号是占位符plaທ9dvaທriabຘle，它们的具体值在后续执行中传递给查询：in色rtintottmpoutcustcode,ไsuistrcod,cempdtcod,ไbkgaທreaທcod,mgtareacod,rityp,ไriflg,ไusr,色q,9g,ไsig色9๗ctcນustcode,?,?,ไ?,mgtaທreacod,?,ไ?,usr,色q,ไ9g,sig色csuifromttmpouta9herea色q=?and0=色le9tfromttmpoutb9๗herebsuistr9db9dbຘbkgareaທ9๗diflg=?andb色q=?此例并非暗示ิ我们无条件地认可临时表的使用。另外，我怀疑这个in色rt语句会被循环执行，通
-ๅ-ๅ--ๅ-ๅ------ๅ---ๅ---ๅ-----ๅ-page7๕7๕---------ๅ------ๅ---ๅ---ๅ--
过消เ除循环可以适当改善性能。例子中出现了自参照ั色lf-reference很不常见的用法：对一个表的插入操作，是以同一个表上的色lecນt为ฦ基础的。当前存在哪些记录？要创น建的记录是否不存在？要插入的记录是由á上述两个问题决定的。使用9t测试某些数据是否存在是个糟糕的主ว意：为此dbms必须搜索ิ并找出所有相符的记录。其实，此时应该使用exists，它会在遇到第一个ฐ相符数据时就停止。当然，如果过滤条件是主键，使用9๗t或exists的差别ี不大，否则差ๆ异极大——无论如何，从语义แ角度讲，若想表达：andnotexists色le9d0=色le9t时，优化器“可能”会进行合理的优化——但未必一定如此。记录的数量若通过独立步骤被计入某个ฐ变量，优化器肯定不会优化，因为ฦ优化器再聪明也无法猜测计数的用途：9t的结果可能是极重要的值，而且必须显示ิ给最终用户！然而，当我们只想建立一条新记录，且新记录要从已存在于表中的记录推导出来时，正确的做法是使用诸如ex9us这样的集合操作符色toperator。in色rtintottmpoutcustcນode,suistrcod,cempdtcod,bkgaທreaທcod,mgtareacນod,rityp,ไriflg,usr,色q,9g,sig色cນsui色lectcນustcode,ไ?,?,?,ไmgtaທreaທcod,?,ไ?,usr,色q,ไ9g,ไ
----ๅ---ๅ---ๅ-----ๅ----ๅ--ๅ-ๅ-page78--ๅ------ๅ---ๅ---ๅ------ๅ--ๅ-ๅ
sig色csuifromttmpout9here色q=?excນept色lecນtcustcode,?,?,?,mgtareaທcod,?,ไ?,usr,ไ色q,ไ9g,sig色csuifromttmpout9heresuistr9d9๗dbkgarea9๗driflg=?and色q=?集合操作符的重大优点是彻底打破了“子查询强加的时间限制ๆ”，无论子查询是关联子查询还是非关联子查询。打破“时间限制”是什么เ意思？当存在关联子查询时，就必须执行外层查询，接着对所有通过过滤条件的记录，执行内层查询。外层查询和内层查询相互依赖，因为外层查询会把数据传递给内层查询。使用非关联子查询时情况要好得多，但也不是完全乐观：必须先完成内层查询之后，外层查询才能ม介入。即使优化器选择把整个查询作为ฦ哈希连接haທshjoin执行——这是聪明的方แ法——也不例外，因为要进行哈希连接，sql引擎必须先进行表扫描以建立哈希数组hasharray。相比之ใ下，使用集合操作符union、inter色ct或excນept时，查询中ณ的这些组成部分不会彼此依赖，从而不同部分的查询可以并行执行。当然，如果有个步骤非常慢，而其他步骤非常快，则并行化意义不大；另外，如果查询的两个部分工作完全相同，并行化就没有好处，因为ฦ不同进程的工作是重复的，而不是分工ื负责。一般而言，在最后步骤之ใ前，让所有部分并行执行会很高效，最后步骤把不完整的结果集组合起来——这就是分而治之。集合操作符的使用有个额外的问题：各部分查询必须ี返回兼容的字段——字段的类型和数量都要相同。下例实际案例，来自账单程序通常不适合集合操作符：色lect9hatever,sumdtaທxfromi女oice_ຕdetaທild,
-----ๅ--ๅ-ๅ---------ๅ------page79๗-------ๅ-----ๅ--ๅ-ๅ--------
i女oice_extracນtore9hereepgaທ_status=0่orerd_staທtus=0่aທndsuitable_join_ຕ9ddtype_ຕ93,7,2๐ordtype_9๗ddsubtype_9s_9๗s_des9s_96๔,7๕g肉pby9hat_ຕis_requiredhavingsumdtax!=0最后一个条件有问题它使我想起了《绿野仙踪》里的黄砖路，甚至使我做起了“负税率”的白日：sumdtax!ำ=0่如前所述，换成下列条件更加合理：anddtaທx0上述的例子中ณ，使用集合操作符会相当笨拙，因为ฦ必须ี访问i女oicນe_detaທil表好几次——如你所料é，那不是个轻量级的表。当然，还要看每个ฐ条件的可选择性，如果type_cນode=4๒很少见，那ว么它就是个可选择性很高的条件，exists或许会比notin更适合。另外，如果traທns_ຕdes9正好是个小型表或者相对较小，尝试通过单独操作测试存在性，并起不到เ改善性能的效果。另一个ฐ表达非存在性的方แ法很有趣——而且通常相当高效——是使用外连接outerjoin。外连接的主要目的是，返回来自一个表的所有信息及连接表中的对应信息。无对应信息的记录也需返回——查找另一个ฐ表中ณ无对应信息的数据时，这些记录正好是我们的兴趣所在，可通过检查连接表的字段值是否为ฦnull找出它们。例如：色le9voice_detaທil9๗heretype_9dsubtype_9๗s_9๗s_des9s_96๔,7๕或重写为：色le9voi9๗traທns_des9s_des9s_ຕ9s_ຕdes9voice_detaທilsubtype_code
------ๅ---ๅ---ๅ------ๅ--ๅ-ๅ--page80----ๅ---ๅ--ๅ-ๅ---ๅ----ๅ--ๅ----
9aptiontrans_9๗子句中加上trans_category的条件。有人认为它应该出现在9here子句中，实际上，在连接之前或在连接之后过滤都不影响结果当然，根据这个条件和连接条件本身的可选择性不同，会有不同的性能表现。然而，在使用空值上的条件时，我们别无选择，只有在连接后才能ม做检查。外连接有时需要加distin9非关联子查询，来检查数据是否存在的差异很小，因为连接所使用的字段，正好与比较子查询结果集的字段完全相同。不过，众所周知的是，sql语言的“查询表达式风格”对“执行模式”影响很大，尽管理论上不是这么เ说的。这取决于优化器的复杂程度，以及它是否会以类似方แ法处理这两ä类查询。换言之，sql不是真正的声明性语言sqlisnotatrulyde9guage，尽管优化器不断推陈出新า改善sql的可靠性relia逼lity。最后提醒一下，应密切注意null，这个ฐ舞会扫兴者party-poopers经常出现。虽然在in子查询中，null与大量非空值连接不会对外层查询造成影响，但在使用notin子查询时，由á内层查询返回的null会造成notin条件不成立。要确保子查询不会返回null并不需要太高的代价，而且这么做可以避免许多灾难。总结：数据集可以通过各种技巧进行比较，但一般而言，使用外连接和子集合操作符更高效。当前值9๗tvaທlues当我们只对最近或当前值感兴趣时，如何避免使用嵌套子查询或olaທp函数两者都引起排序而直接找到适当值，是非常吸引人的设计。如第1章所述，解决该问题的方แ法之一，就是把每个ฐ值与某个ฐ“截止日期”相关联——就像麦片外盒上的“保质期bຘestbຘefore”一样——并让当前值的“截止日期”是遥远的未来例如公元2999๗年12月31้日。这种设计存在一些与实际相关的问题，下面讨论这些问题。使用“固定日期”，确定当前值变得非常容易。查询如下所示ิ：色lect9haທteverfromhist_ຕdata9hereitem_id=somevalueandrecord_ຕdate=fixed_daທte_in_ຕthefuture接着，通过主键找到เ正确的记录。当然，要参照的日期如果不是当前日期，就必须ี使用子查询或olaທp函数了。然而，这种方法有两个主要缺点。较明显的缺点：插入新า的历史数据之ใ前，先要更新“当前值”例如今天，接着，将最新“当前值”和历史数据一起插入表中。这个过程导致工作量加倍。更糟的是，关系理论中的主ว键用于识别记录，但具有唯一性的item_id,recນord_date却不能作为ฦ主键，因为我们会对它做“部分更新partiallyupdaທte”。因此，必须有一个能ม让外键参照的代理键id字段或序列号，结果程序变得更加复杂。大型历史表的麻烦就是，通常它们也经历过高频率的数据插入，所以数据量才
--ๅ--ๅ-----ๅ-ๅ--ๅ-ๅ---ๅ------ๅ-paທge81-ๅ----ๅ--ๅ-ๅ------ๅ---------ๅ
会这么大。快查询的好处，能ม抵销缓慢插入的缺点吗？这很难说，但绝对是个ฐ值得考虑的问题。还有个微妙的缺点与优化器有关。优化器使用各种详细程度不同的统计数据，检查字段的最低值和最高值，尝试评估值的分布情况。假设历史表包含了自2000年1้月1日开始的历史数据。于是，我们的数据组成是“散布在几年间的999๗%的历史数据”加上“29๗99年12月31้日的01้%的‘当前数据’”。因此，优化器会认为数据散布在一千年的范围内。优化器在数据范围上的偏差是由于查询中ณ出现的上限日期的误导即“andrecord_ຕdaທte=fixed_date_in_ຕthefuture”。此时的问题就是，如果你当查询的不是当前值例如，你要统计不同时段的数据变化，优化器可能错误地做出“使用索引”的决定——因为ฦ你访问的只是千年中的极小部分——但实际上需要的是对数据进行扫描。是优化器的评估偏差ๆ导致它做出完全错误的执行计划决定，这很难修正。总结：要理解优化器如何看待你的系统，就必须理解你的数据和数据分布方式。通过聚合获得结果集result色tobຘtaທinedbyaggregation本节讨论一类极常见的情况：对一个或多个ฐ主表maທintaທbຘle中ณ的详细数据进行汇总，动态计算出结果集。换言之，我们面临ภ数据聚合aggregationofdata的问题。此时，结果集大小取决于g肉pby的字段的基数，而不是查询条件的精确性。正如第一节“小结果集，直接条件”中ณ所述，对表进行一趟asinglepass处理获得的并非真正聚合的结果否则ท就需要自连接和多次处理，但此时聚合函数或聚合也相当有用。实际上，最让人感兴趣的sql聚合使用技巧，不是明显需要sum或avg的情况，而是如何将过程性处理转化为以聚合为基础的纯sql替代方案。如第2章所强调的，编写高效sql代码的关键，第一是“勇往直前”，即不要预先检查，而是查询完成后测试是否成功——毕竟，蹑手蹑脚๐地用脚๐趾试水赢不了游泳比赛。第二是尽量把更多“动作”放到sql查询中，此时聚合函数特别有用。优秀sql编程的困难，多半在于解决问题的方式：不要将“一个ฐ问题”转换成对数据库的“一系列ต查询”，而是要转换成“少数查询”。程序用大量中间变量保存从数据库读出的值，然后根据变量进行简单判断，最后再把它们作为其他查询的输入……这样做是错误的。糟糕的sql编程有个显着特点，就是在sql查询之ใ外存在大量代码，以循环的方式对返回数据进行些加、减、乘๖、除之ใ类的处理。这样做毫无价值、效率低下，这里工作应该交给sql的聚合函数。注意：聚合函数非常有用，可以解决不少sql问题第1้1章会再次讨论。然而，我现开者通常只使用最平常的聚合函数9t，它对大多数程序是否真的有用值得怀疑ທ。第2๐章说明了使用9t判ศ定是否要更新记录插入新记录是很浪费的。你可能在报表中误
-ๅ---ๅ--ๅ-ๅ--ๅ-ๅ---------ๅ--ๅ-ๅ-page82--ๅ--ๅ-ๅ---ๅ----ๅ--ๅ-----ๅ-ๅ--ๅ-ๅ
用了9t。测试存在性有时会以模仿布尔值的方แ式实现：9'el色'y'end对于上述实现，只要存在与条件相符的记录，就会读取其中每条记录。其实，只需找到一条记录就足以判断要显示y还是n，通过测试存在性或限制返回记录数可以写出更高效的语句，一旦现条件相符就停止处理即可。当要解决的问题与最多、最少、最大、第一、最后有关时，聚合函数可能会当成olap函数使用很可能ม是最佳选择。也就是说，不要认为聚合函数仅支持9、avg等功能ม，否则ท就说明你还没有充分理解聚合函数。有趣的是，聚合函数在作用范围上非常狭窄。除了计算最大值和最小值，它们唯一能做的就是简单的算术运算：9๗t每遇到เ的一行加1้；avg一方面将字段值累็加，另一方面不断加1计数，最后进行除法运算。聚合函数有时可取得令人吃惊的效果，比如通过sum就可以做很多事情。喜欢数学的朋友知道，通过对数和次方แ函数，要在sum和乘积producນt之间转换有多简单。喜欢逻辑的朋友也会知道or很依赖sum，而and很依赖乘积。下面通过简单的例子说明聚合的强大作用。假设要进行装运shipment处理，一次装运由á一些不同的订单组成，每张订单都必须分别做准备；只有装ณ运涉及的每张订单都完成时装ณ运才准备就绪。问题就是，如何判ศ断装运涉แ及的所有订单都已๐完成。这样的情况常会生，有多种方法可以判定装运是否就绪。最糟的方法是逐一判断每批装运，而每批装ณ运内部ຖ进行第二个循环，查看有多少张订单的order_plete字段值为ฦ“n”，并返回计数为ฦ0่的装运id。更好的解决方แ案是理解“‘n’值的不存在性测试”的意图，并用子查询无论是关系还是非关系完成：色le9t_ຕidfromshipments9herenotexists色le9ullfro摸rders9hereorder_plete='ูn'andordersshipment_id=shipmentsshipment_id如果表shipments上没有其他条件了，则ท上述方法很糟糕，当shipments表数据量大时而且未完成订单占少数，换成以下查询会更高效：色le9t_ຕidfromshipments9hereshipment_idnotin色le9t_ຕidfro摸rders9๗hereorder_plete='n'上述查询也可以稍作变形，优化器比较喜欢这个变形，但要求orders表的shipment_ຕid字段上有
-ๅ------ๅ---ๅ--ๅ-ๅ--ๅ-ๅ---ๅ----page8๖3----ๅ----ๅ--ๅ-ๅ------ๅ-ๅ--ๅ---
索引：色le9๗t_idfromshipmentsleftouterjoinordersonordersshipment_id=shipmentsshipment_ຕidandordersorder_ຕplete='ูn'9hereordersshipment_ຕidisnull另一个替代方案是借助集合操作，该集合操作会使用shipments主ว键索引，且对orders表进行全表扫描：色le9t_idfromshipmentsex9t_ຕidfro摸rders9๗hereorder_plete='n'注意，并非所有dbms都实现了ex9us。还有一种方แ法。主ว要是对装运中ณ所有订单执行逻辑aທnd操作，将order_ຕplete为ฦtrue的订单的id返回。这类操作在现实中很常见。如前所述，and和乘法、or和加法之间关系密切。关键是把诸如“y”和“n”的flaທg值转换为ฦ0่和1้，使用ca色结构即可。要把order_plete转成0或1的值可以这样写：色le9t_ຕid,ไ9order_plete='y'ูthen1้el色0endflagfro摸rders到เ目前为止，一切顺ิ利ำ。如果每批装运包含的订单数固定的话，则ท很容易对适当字段进行sum后检查是否为预期订单数。然而，实际上希望每批装ณ运的flag值相乘，并检查结果是0่或是1้。这个ฐ方法是可行的，因为ฦ只要有一张以0表示的未完成订单，乘法的最后结果就是0่。乘法运算可由对数运行协助完成虽然在以对数处理时，0不是最简单的值，但我们这个ฐ例子要做的甚至更简单。我们想要的是“第一张订单已完成、且第二张订单已完成……且第n张订单已完成”。德摩根定律la9๗sofdemaທn注4告诉我们，这等价于“第一张订单未完成、或第二张订单未完成……或第n张订单未完成”的情况“不成立”。由于使用聚合时，or比and更容易处理。检查由or连结的一连串ธ条件是否不成立，比检查由and连结的一连串ธ条件是否成立，要容易得多。我们要考虑的真正“谓词predicaທte”是“订单未完成”，并对order_plete标志作转换，如果是n就转换为ฦ1，如果是y就转换为0。之后，通过加总flag值，就可检查是否所有订单的flag值都是0都已完成——如果总和是0，所有订单都已๐完成。因此，查询可写成：色le9t_id
----------ๅ-ๅ--ๅ-ๅ--ๅ-ๅ---ๅ---page84-ๅ--ๅ--ๅ----ๅ--ๅ-ๅ------ๅ---ๅ--
from色lepbyshipment_idhavingsumflag=0่甚至可以写得更简洁：色le9t_idfro摸rdersg肉pbyshipment_ຕidhavingsum9'then1el色0่end=0่还有更简单的方法。使用另一个聚合函数，而不必转换任何的flag值。注意，从字母的顺序来看，“y”大于“n”，如果所有的值都是“y”，则最小值就是“y”。于是：色le9t_idfro摸rdersg肉pbyshipment_ຕidhaທvingminorder_plete='ูy'这个方法利ำ用了“y”大于“n”，而没有考虑标志转换为ฦ数值。本方法更高效。上例使用了g肉pby，并以order_plete值最小作为查询条件，那ว么，其中不同的子查询或作为子查询替代品的聚集函数之间是如何比较的呢？如果先做sum操作而后检查总和是否为0，必然导致整个orders表排序。而上例中使用了不太常见的聚合函数min，一般比其他查询快，其他查询因访问两个ฐ表shipments和orders而度较慢。先前的例子大量使用了having子句。如第4๒章所述，“粗心的sql语句”往往和在聚合语句中使用haທving子句有关。下面这个查询oracນle就是一例，它要查询过去一个ฐ月内每个产品的每周销售情况：色le9๗csale_ຕdate,'ู9eek',ไsumsold_qtyfromsales_historyg肉pbyprodu9csale_date,ไ'9eek'ูhavingtruncsaທle_ຕdaທte,'9eek'=add_摸nthsysdate,-1这里的错误在于，having子句中的条件没有使用聚合。于是，dbms必须ี处理sales_ຕhistory中的每条记录，进行排序操作、进行聚合操作……然后过滤掉过时的数值，最后返回结果。这类错误并不引人注意，直到เsales_history表数据量变得非常大为止。当然，正确的方法是把条件放在9๗here子句中ณ，确保过滤会生在早期阶段，而之后要处理的数据集已大为ฦ减小。
--ๅ-ๅ-ๅ--------ๅ-ๅ-----ๅ----ๅ-paທge85--ๅ-ๅ--ๅ-----ๅ-ๅ--ๅ-ๅ------ๅ---ๅ
必须指出：对视图即聚合的结果应用条件时，如果优化器不够聪明，没有在聚合前再次注入过滤条件，我们就会遇到完全相同的问题。有些过滤条件生效太晚，应该提前，可做如下修改：色lectcນustomer_idfro摸rders9๗hereorder_ຕdate0在这个查询中，以下having的条件乍看起来相当合理：havingsuma摸unt0然而，如果a摸unt只能是正数或零，这种having用法就不合理。最好改为ฦ：9herea摸unt0此例中，g肉pbຘy的使用分两种情况。先：色lecນtcustomer_idfro摸rders9hereorder_ຕdate0g肉pbycustomer_id我们注意到，g肉pbຘy对聚合计算是不必要的，可以用distinct取代它，并执行相同的排序和消เ除重复项ำ目的工作：色le9ctcustomer_idfro摸rders9hereorder_ຕdate0把条件放在9here子句中，能让多余的记录尽早ຉ被过滤掉，因而更高效。总结：聚合操作的数据应尽量少。
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━