优化执行缓慢的每组最大 n 个查询

Question

我有下表：

id | query   | update_date | website_id | device  | page    | impressions | clicks | position | is_brand
---+---------+-------------+------------+---------+---------+-------------+--------+----------+---------
1  | kitchen | 2018-05-01  | 2          | desktop | http... | 11000       | 50     | 3        | 1
2  | table   | 2018-05-01  | 2          | desktop | http... | 7000        | 40     | 3        | 0
3  | kitchen | 2018-05-02  | 2          | desktop | http... | 11500       | 55     | 3        | 1
4  | table   | 2018-05-02  | 2          | desktop | http... | 7100        | 35     | 3        | 0

在此表中，我需要一个过程，对于每个唯一查询，我都可以在给定时间段内的点击方面为我提供表现最佳的行。这导致了以下过程：

create or alter procedure get_best_website_querys
    @from as date,
    @to as date,
    @website_id as int
as
begin
    WITH    cte
          AS (SELECT    *
              ,         ROW_NUMBER() OVER (PARTITION BY query ORDER BY clicks DESC) RN
              FROM      search_console_query
              where 
                update_date >= @from and 
                update_date <= @to and 
                website_id = @website_id 
             )
    SELECT  cte.id
     ,      cte.query
     ,      cte.update_date
     ,      cte.website_id
     ,      cte.device
     ,      cte.page
     ,      cte.impressions
     ,      cte.clicks
     ,      cte.POSITION
     ,      cte.is_brand
    FROM    cte
    WHERE   RN = 1
end;

现在，这有效并给了我正确的结果。我的问题是这个表变得非常大并且这个查询执行得相当慢（一年> 3分钟）。该查询给出以下执行计划：

在表上，clicks 上有一个非聚集索引，(website_id, update_date) 上有一个聚集索引。

我想要一些关于什么是让它表现更好的最佳方法的意见。任何意见将不胜感激。

Answer 1

首先，尝试在search_console_query scq(website_id, update_date, query, clicks) 上添加索引。

然后建议尝试这个版本：

select scq.*
from search_console_query scq
where scq.update_date >= @from and 
      scq.update_date <= @to and 
      scq.website_id = @website_id and
      scq.clicks = (select max(scq2.clicks)
                    from search_console_query scq2
                    where scq2.website_id = scq.website_id and
                          scq2.query = scq.query and
                          scq2.update_date >= @from and
                          scq2.update_date <= @to
                    );

此版本可以利用两个索引：search_console_query(website_id, query, update_date, clicks) 和 search_console_query(website_id, update_date, query, clicks)。

这略有不同，因为如果出现平局，它将为查询返回多行。如果性能显着提高（这是一个问题），则可以修复。

编辑：

为第二个版本删除重复项的最简单方法是假设该表具有唯一的id 列：

select scq.*
from search_console_query scq
where scq.update_date >= @from and 
      scq.update_date <= @to and 
      scq.website_id = @website_id and
      scq.sqc_id = (select top (1) sqc2.id
                    from search_console_query scq2
                    where scq2.website_id = scq.website_id and
                          scq2.query = scq.query and
                          scq2.update_date >= @from and
                          scq2.update_date <= @to
                    order by scq2.clicks desc);

Answer 2

似乎 select 子句中的所有列都是可索引的；您可以尝试使用包含的列创建一个庞大的覆盖索引：

CREATE INDEX TEST_0001 ON search_console_query (
    website_id,
    update_date,
    query,
    clicks
) INCLUDE (
    id,
    device,
    page,
    impressions,
    position,
    is_brand
)

当你这样做的时候，试试下面的更多变体，看看 SQL Server 选择了哪一个，然后删除不必要的：

• 更改website_id, update_date的顺序
• 在包含的列中移动 query, clicks

Answer 3

另一种方法来做到这一点。但不确定性能，通常此模式用于查找选择列表中未分组列的最新记录。

SELECT          a.id,
                a.query,
                a.update_date,
                a.website_id,
                a.device,
                a.page,
                a.impressions,
                a.clicks,
                a.POSITION,
                a.is_brand
FROM            search_console_query a
LEFT JOIN       search_console_query b  ON b.website_id = a.website_id
                                       AND a.query = b.query
                                       AND a.clicks > b.clicks
WHERE           update_date >= @from
                AND update_date <= @to
                AND website_id = @website_id
                AND b.clicks IS NULL

Answer 4

我建议使用上面建议的索引。其次，参数嗅探也可能发生在这里。我建议您在存储过程中重新声明变量，如下所示，以免发生参数嗅探：

create or alter procedure get_best_website_querys    
    @from as date,
    @to as date,
    @website_id as int
as
begin
DECLARE @StartDate AS DATE = @from
       ,@EndDate AS DATE = @to
       ,@WebsiteID AS INT = @website_id

      WITH    cte
      AS (SELECT    *
          ,         ROW_NUMBER() OVER (PARTITION BY query ORDER BY clicks DESC) RN
          FROM      search_console_query
          where 
            update_date >= @StartDate and 
            update_date <= @EndDate and 
            website_id = @WebsiteID
         )
SELECT  cte.id
 ,      cte.query
 ,      cte.update_date
 ,      cte.website_id
 ,      cte.device
 ,      cte.page
 ,      cte.impressions
 ,      cte.clicks
 ,      cte.POSITION
 ,      cte.is_brand
FROM    cte
WHERE   RN = 1
end;