《T-SQL性能调优秘笈——基于SQL Server 2012 窗口函数》——1.2 使用窗口函数的解决方案简介...

本节书摘来自异步社区出版社《T-SQL性能调优秘笈——基于SQL Server 2012 窗口函数》一书中的第1章，第1.2节，作者： 【美】Itzik Ben-Gan，更多章节内容可以访问云栖社区“异步社区”公众号查看。

1.2　使用窗口函数的解决方案简介

T-SQL性能调优秘笈——基于SQL Server 2012 窗口函数
本书前4章描述了窗口函数及其优化，所选素材偏重技术说明，虽然我自己觉得很吸引人，但可以想见，有些人会觉得有点沉闷。通常来说，人们在阅读用窗口函数解决现实问题的内容时，会觉得比较有趣，本书将在最后一章满足大家。只有当我们看到能如何用窗口函数解决难题时，才会真正认识到它们的价值。所以，我在思考如何说服你在读到有趣的章节之前，能坚持读完这些枯燥的技术说明而不中途放弃。也许我可以展示一个窗口函数解决方案示例。

这里演示的查询包含：对一个在列中包含序列号的表进行查询，在现有值中找到连贯的区间。这个难题也就是所谓的数据岛问题。序列号可以是数值类型的、时间类型的（比较常见）或支持全排序的任意数据类型。序列号可以是唯一值，也可以是重复值。间隔可以是任何符合列类型（如，整型数1、整型数7、时间间隔为1天、时间间隔为2周等）的固定间隔。第5章会讲述间隔的各种变化。这里只举个简单的案例，让大家感受一下窗口函数是如何工作的——所以用数值序列，间隔为1，首先用下面的代码来生成样本数据：

在表T1中，可以看到col1的序列号并不连续。我们的任务是找到现有值的连续区间（也称为数据岛，）返回每个数据岛的开始值和结束值，我们希望得到的结果如下：

如果我们好奇这类问题在现实中的使用场景，这里有很多实际例子。示例包括生成可用性报告，识别某种活动的持续时间（如，销售活动），找到满足一定要求的持续区间（如，股票高于或低于一定阈值的时间区间），识别车牌的使用范围等。当前示例的目的非常简单，我们可以专注在实现它的技术上。只须稍作调整，应用在简单案例上的技术就可以应用在更加复杂的案例上，所以请把它看成是一个基于集合的解决方案带来的挑战。首先请找出一个能解决问题的方案，然后对表填充大量的数据行（假设10 000 000行）然后再试试刚才的解决方案，看看它将如何进行。完成这些，我们再来看我的解决方案。

在展示使用窗口函数的方案之前，我先展示其中一个用传统语言结构实现的解决方案。特别地，我会展示使用子查询的解决方案。为了解释第一种解决方案的策略，先查看T1.col1序列的值，我增加了一个目前尚不存在的概念化的列，把它当做组标识符：

grp列尚未存在，从概念上来说，它的值唯一地标识一个数据岛。这就意味着，对同一个岛内的所有成员，它们的grp值相同，并与其他岛内的成员的grp值不同。如果我们能设法对这样的组标识符进行计算，我们就能把结果根据grp特性值进行分组，返回每组（岛）中最大和最小的col1值。传统语言结构中生成这个组标识符的方法是：针对col1的每个当前值，找到大于或等于当前值的最小的col1值，并且要求这个值后面没有值。

举例说明，按照上面的逻辑，试着找到相对于值2，col1的值大于或等于2的最小值，且要求其后面的值没有连续，答案是3。现在，针对3，做同样的查找，结果还是3，所以3是组标识符，数据岛开始于2，结束于3。对于开始于11，结束于13的数据岛，组成员的标识符都是13。从这里我们可以看到，一个数据岛内的所有成员的组标识符，实际上就是数据岛最后一个成员的值。

下面是实现这个概念的T-SQL代码。

代码执行后的输出结果如下：

下面的部分就相当直观了——根据上面的查询定义表表达式，在外部查询中，根据组标识符进行分组，返回每组的最大和最小的col值，如下。

在这个解决方案里，有两个主要问题。一、这里遵循的逻辑有点复杂。二、运行非常缓慢。我暂时不想开始讨论查询执行计划——后面的篇幅有很多这方面的讨论——在这儿可以告诉大家，针对表中的每一行，SQL Server都几乎执行了两次完整的数据扫描。现在可以想象对于10 000 000条记录组成的序列，尝试转化它对应的工作量会有多少了。需要处理的行的数量只有一个词形容——巨大。

另一个解决方案也是计算组标识符，不同之处是，使用窗口函数进行。解决方案的第一步是使用ROW_NUMBER函数基于col1排序计算行号。本书后面会提供ROW_NUMBER的细节。目前，只要知道它在分区中，按照给定的顺序，从1开始，逐一递增，产生唯一的整数就足够了。

牢记上面的知识，下面的查询按照col1排序，返回的col1的值和行号。

现在，我把注意力集中到两个序列上。一个（col1）是不连贯的，另一个（rownum）是连贯的。记住这一点，然后尝试发现在一个数据岛内，二者有什么独特的关系。在数据岛内，两个序列都以固定间隔在增长，因此，二者的差异是一个常数。在另一个岛内，col1的增量超过1，而rownum的增量还是1，所以差异在变大。换句话说，二者的差异是常数，不同数据岛内的数值不同。运行下面的查询来计算其差异。

我们可以看到，这个差异满足我们对组标识符的两个需求，因此，可以把它当做组标识符使用。其他内容都与之前的解决方案相同，即是说，把行按组标识符进行分组，返回每组中最小和最大的col1值，如下所示。

请观察一下，这样的解决方案多么清晰和简单。同时，在代码上加上注释，帮助那些第一次读代码的人更好地了解解决方案，也是个不错的主意。

这个解决方案还很高效。与前一解决方案相比，其所涉及的行的处理数量微不足道。它仅仅包含一个在col1上的排序索引扫描和一个持续递增计数器的迭代器。我测试过这条查询的性能，它在10 000 000条记录组成的序列上仅运行了10秒钟。前一解决方案的运行时间就要长得多。

希望关于使用窗口函数的解决方案的简介，能足以吸引你，让你看到它们包含的强大功能。现在，我们要返回继续学习窗口函数技术了，在书的后面部分，我们还有机会看到更多的示例。

本文仅用于学习和交流目的，不代表异步社区观点。非商业转载请注明作译者、出处，并保留本文的原始链接。