在 SELECT 子句中重写相关子查询的最高效方法是什么？答案

【问题标题】：What is the most performant way to rewrite a correlated subquery in the SELECT clause?在 SELECT 子句中重写相关子查询的最高效方法是什么？
【发布时间】：2018-05-01 15:44:08
【问题描述】：

我正在尝试计算用户是否在三个时间范围内访问过网站：

过去 30 天
31 到 60 天之间
61 到 90 天之间

我正在使用 Netezza，它不支持 SELECT 子句中的相关子查询。有关必须重写以不使用相关子查询的成功查询，请参阅 Rextester：http://rextester.com/JGR62033

样本数据：

| user_id | last_visit | num_days_since_2017117 |
|---------|------------|------------------------|
| 1234    | 2017-11-02 | 15.6                   |
| 1234    | 2017-09-30 | 48.6                   |
| 1234    | 2017-09-03 | 75.0                   |
| 1234    | 2017-08-21 | 88.0                   |
| 9876    | 2017-10-03 | 45.0                   |
| 9876    | 2017-07-20 | 120.0                  |
| 5545    | 2017-09-15 | 63.0                   |

所需的输出：

| user_id | last_30 | btwn_31_60 | btwn_61_90 |
|---------|---------|------------|------------|
| 1234    | 1       | 1          | 1          |
| 5545    | 0       | 0          | 1          |
| 9876    | 0       | 1          | 0          |

【问题讨论】：

如果 DBMS 支持 CASE 或类似的东西，这里不需要相关子查询。
为什么投反对票？ @a_horse_with_no_name？如果我可以在问题中提供额外的清晰度，请发表评论。我觉得我很清楚并提供了足够的信息来回答这个问题，不是吗？
我没有投反对票。我评论了。
@KenWhite 您能否举例说明使用示例数据会是什么样子？
我不确切知道 DBMS 支持什么，但您可以使用 SELECT user_id, SUM(CASE WHEN num_days <= 30 then 1 else 0 end) as last_30, SUM(CASE WHEN numdays > 30 AND numdays <=60 then 1 else 0 end) as btwn_31_60, 等在 user_id 上带有 GROUP BY 的东西。

标签： sql database-performance netezza correlated-subquery

【解决方案1】：

这是条件聚合的一种方式，Rextester：

select 
    user_id
    ,MAX(case when '2017-11-17'-visit_date <=30
          then 1
          else 0
     end) as last_30
    ,MAX(case when '2017-11-17'-visit_date >=31
               and '2017-11-17'-visit_date <=60
          then 1
          else 0
     end) as between_31_60
    ,MAX(case when '2017-11-17'-visit_date >=61
              and '2017-11-17'-visit_date <=90
          then 1
          else 0
     end) as between_61_90
from 
    visits
group by user_id
order by user_id

【讨论】：

由于这个问题的上下文是“最高性能”，重要的是要注意，在原始“rextester”示例中建议的相关子查询可能比这种基于案例的解决方案慢得多。任何“selfjoin”都可能导致基表被多次扫描，并且查询计划被案例构造/单表扫描完全抛出的可能性极低:)
@Lars，我一定误解了相关子查询的效率，以及何时使用它们。这是真的吗：有条件地检查单个表中是否存在条件最好使用 CASE 语句执行，但有条件地检查单独表中是否存在条件最好使用相关子查询？
@psrpsrpsr 1.) 检查存在通常比其他子查询快速且首选 2.) 选择中的任何类型的子查询都会增加扫描子查询表的风险逐行进行 3.) JOINs 通常比选择子查询更受欢迎，因为您避免了 #2 4.) 查询优化器可能足够聪明，可以创建相同的计划，无论您使用子查询还是 JOIN

【解决方案2】：

我不知道您正在使用的具体 DBMS，但如果它支持 CASE 或等效项，则您不需要相关子查询；您可以结合使用SUM() 和CASE。

当然，在您的 DBMS 中未经测试，但它应该为您提供一个起点：

SELECT 
  user_id, 
  SUM(CASE WHEN num_days <= 30 then 1 else 0 end) as last_30, 
  SUM(CASE WHEN num_days > 30 AND numdays < 61 then 1 else 0 end) as btwn_31_60,
  SUM(CASE WHEN num_days >= 61 then 1 else 0 end) as btwn_61_90
FROM 
  YourTableName  -- You didn't provide a tablename
GROUP BY 
  user_id

由于您的值是浮点数而不是整数，您可能需要调整用于日期范围的值以满足您的特定要求。

【讨论】：

仅供参考，表名和示例数据可在问题的 Rextester 链接中找到。我能够通过将 SUM(CASE) 包装在另一个 CASE 中来获得所需的输出，例如： CASE WHEN SUM(CASE WHEN num_days =1 THEN 1 ELSE 0 END
@psrpsrpsr：我看到了示例数据，但没有看到表名（除非它在您提供的外部链接中，我的公司代理不允许我访问 - 另一个不使用外部链接的理由您帖子中的网站）。你不应该需要外部 CASE（你添加的那个）；我首先在 SQL Server 中进行了测试，没有它也可以正常工作，尽管我的测试数据使用日期值和 DateDiff() 而不是您的数据，因为那是我当时可用的。