“在组中选择最大值”的最佳性能查询？答案

【问题标题】：Best-performance query for "select max in group"?“在组中选择最大值”的最佳性能查询？
【发布时间】：2008-09-18 19:13:00
【问题描述】：

我有一个简单的表格 cmets (id INT, revision INT, comment VARCHAR(140)) 有一些内容如下：

1|1|hallo1|
1|2|hallo2|
1|3|hallo3|
2|1|hallo1|
2|2|hallo2|

我正在寻找一条 SQL 语句，它将返回每条评论的最高版本：

1|3|hallo3|
2|2|hallo2|

我想出了这个解决方案：

select id, revision, comment 
  from comments 
  where revision = (
      select max(revision) 
        from comments as f 
        where f.id = comments.id
  );

但在大型数据集上速度很慢。有没有更好的查询来完成这个？

【问题讨论】：

您能否考虑重命名主题以反映优化或性能？
使用窗口函数通常更快。

标签： sql database

【解决方案1】：

这是一种通过适当的索引不会非常慢并且不使用子选择的方法：

SELECT comments.ID, comments.revision, comments.comment FROM comments 
LEFT OUTER JOIN comments AS maxcomments 
ON maxcomments.ID= comments.ID
AND maxcomments.revision > comments.revision
WHERE maxcomments.revision IS NULL

改编自这里的查询： http://www.xaprb.com/blog/2007/03/14/how-to-find-the-max-row-per-group-in-sql-without-subqueries/

（来自谷歌搜索：max group by sql）

【讨论】：

【解决方案2】：

确保已正确设置索引。对 id 进行索引，修订会很好。

以下是对您的查询的不同看法。还没有检查它的执行计划，但是如果你设置好索引应该会有所帮助：

SELECT c.* 
  FROM comments c
  INNER JOIN (
        SELECT id,max(revision) AS maxrev 
          FROM comments 
          GROUP BY id
  ) b
    ON c.id=b.id AND c.revision=b.maxrev

编辑添加：

如果您使用的是 SQL Server，您可能还想查看索引视图：
http://www.microsoft.com/technet/prodtechnol/sql/2005/impprfiv.mspx

再次编辑以添加信息：

Subquery:
25157 records
2 seconds
Execution plan includes an Index Seek (82%) base and a Segment (17%)

Left Outer Join:
25160 records
3 seconds
Execution plan includes two Index Scans @ 22% each with a Right Outer Merge at 45% and a Filter at 11%

我仍然会使用子查询。

【讨论】：

如果您的执行计划试图比较接受的答案（使用左外连接）与此答案中的子查询/组查询，则您正在比较未索引的列。使用正确的索引，左外连接几乎每次都会提高性能（尤其是当您有很多记录时）。对于非常有限的记录，这个答案是完全可以接受的，但是当你达到 10K+ 记录时，你会发现使用外连接会得到更好的结果。

【解决方案3】：

使用我们的一张表进行了测试，该表总共有近 100 万行。字段FIELD2 和FIELD3 上都存在索引。在我们的开发盒上，查询在 3 秒内返回了 83953 行。

select
FIELD1, FIELD2, FIELD3
from
OURTABLE (nolock) T1
WHERE FIELD3 = 
(
SELECT MAX(FIELD3) FROM 
OURTABLE T2 (nolock)
WHERE T1.FIELD2=T2.FIELD2
)
ORDER BY FIELD2 DESC

【讨论】：

【解决方案4】：

我的建议是分析。

select id, max_revision, comment
from (select c.id, c.comment, c.revision, max(c.revision)over(partition by c.id) as max_revision
      from comments c)
where revision = max_revision;

【讨论】：

【解决方案5】：

来自左侧字段的想法，但是如何在表格中添加一个额外的字段：

CurrentRevision bit not null

然后，当您进行更改时，在新版本上设置标志并在所有以前的版本上删除它。

您的查询将变成：

select  Id,
        Comment
from    Comments
where   CurrentRevision = 1

这在数据库上会更容易，因此会更快。

【讨论】：

【解决方案6】：

执行“latest x by id”类型查询的一种非常简洁的方法是这样。它也应该很容易正确索引。

SELECT id, revision, comment 
FROM comments
WHERE (id, revision) IN (
  SELECT id, MAX(revision)
  FROM comments
  -- WHERE clause comes here if needed
  GROUP BY id
)

【讨论】：

【解决方案7】：

对于大表我发现这个解决方案可以有更好的性能：

    SELECT c1.id, 
           c1.revision, 
           c1.comment 
      FROM comments c1 
INNER JOIN ( SELECT id, 
                max(revision) AS max_revision
               FROM comments 
           GROUP BY id ) c2
        ON c1.id = c2.id
       AND c1.revision = c2.max_revision

【讨论】：

【解决方案8】：

没有子选择（或临时表）：

SELECT c1.ID, c1.revision, c1.comment 
FROM comments AS c1
LEFT JOIN comments AS c2 
    ON c1.ID = c2.ID
    AND c1.revision < c2.revision
WHERE c2.revision IS NULL

【讨论】：