按键盘上方向键 ← 或 → 可快速上下翻页，按键盘上的 Enter 键可回到本书目录页，按键盘上方向键 ↑ 可回到本页顶部！
————未阅读完？加入书签已便下次继续阅读！
不正确结果。例如，如果恰巧有多位客户都叫“Wayne”，distinct不但会剔除由同个客户的多张
订单产生的重复项目，也会剔除由名字相同的不同客户产生的重复项目。事实上，应该同时返
回具唯一性的客户ID和客户名，以保证得到蝙蝠车买家的完整清单。在实际中，发现这个问题
可不容易。
要摆脱 distinct，可考虑以下思路：客户在 Gohtam市，而且满足存在性测试，即在最近六个
月订购过蝙蝠车。注意，多数（但非全部） SQL 方言支持以下语法：
select c。custname
from customers c
where c。city= 'GOTHAM'
and exists （select null
from orders o；
orderdetail od；
articles a
where a。artname = 'BATMOBILE'
and a。artid = od。artid
and od。ordid = o。ordid
and o。custid = c。custid
and o。ordered 》= somefunc ）
上例的存在性测试，同一个名字可能出现多次，但每个客户只出现一次，不管他有多少订单。
有人认为我对 ANSI SQL 语法的挑剔有点苛刻（指“蝙蝠车买主”的例子），因为上面代码中
customers表的地位并没有降低。其实，关键区别在于，新查询中customers表是查询结果的唯
一来源（嵌套的子查询会负责找出客户子集），而先前的查询却用了join。
这个嵌套的子查询与外层的 select关系十分密切。如代码第 11 行所示（粗体部分），子查询
参照了外层查询的当前记录，因此，内层子查询就是所谓的关联子查询（correlated subquery）。
此类子查询有个弱点，它无法在确定当前客户之前执行。如果优化器不改写此查询，就必须先
找出每个客户，然后逐一检查是否满足存在性测试，当来自Gotham市的客户非常少时执行效率
倒是很高，否则情况会很糟（此时，优秀的优化器应尝试其他执行查询的方式）。
我们还可以这样编写查询：
…………………………………………………………Page 42……………………………………………………………
select custname
from customers
where city = 'GOTHAM'
and custid in
（select o。custid
from orders o；
orderdetail od；
articles a
where a。artname = 'BATMOBILE'
and a。artid = od。artid
and od。ordid = o。ordid
and o。ordered 》= somefunc）
在这个例子中，内层查询不再依赖外层查询，它已变成了非关联子查询（uncorrelated
subquery），只须执行一次。很显然，这段代码采用了原有的执行流程。在本节的前一个例子中，
必须先搜寻符合地点条件的客户（如均来自GOTHAM），接着依次检查各个订单。而现在，订
购了蝙蝠车的客户，可以通过内层查询获得。
不过，如果更仔细地分析一下，前后两个版本的代码还有些更微妙的差异。含关联子查询的代
码中，至关重要的是orders 表中的 custid字段要有索引，而这对另一段代码并不重要，因为这
时要用到的索引（如果有的话）是表customers的主键索引。
你或许注意到，新版的查询中执行了隐式的 distinct。的确，由于连接操作，子查询可能会返回
有关一个客户的多条记录。但重复项目不会有影响，因为 in 条件只检查该项目是否出现在子
查询返回的列表中，且in不在乎某值在列表中出现了一次还是一百次。但为了一致性，作为整
体，应该对子查询和主查询应用相同的规则，也就是在子查询中也加入存在性测试：
select custname
from customers
where city = 'GOTHAM'
and custid in
（select o。custid
from orders o
where o。ordered 》= somefunc
and exists （select null
from orderdetail od；
articles a
where a。artname = 'BATMOBILE'
and a。artid = od。artid
and od。ordid = o。ordid））
或者：
…………………………………………………………Page 43……………………………………………………………
select custname
from customers
where city = 'GOTHAM'
and custid in
（select custid
from orders
where ordered 》= somefunc
and ordid in （select od。ordid
from orderdetail od；
articles a
where a。artname = 'BATMOBILE'
and a。artid = od。artid）
尽管嵌套变得更深、也更难懂了，但子查询内应选择 exists 还是in 的选择规则相同：此选择
取决于日期与商品条件的有效性。除非过去六个月的生意非常清淡，否则商品名称应为最有效
的过滤条件，因此子查询中用in 比 exists 好，这是因为，先找出所有蝙蝠车的订单、再检查
销售是否发生在最近六个月，比反过来操作要快。如果表 orderdetail 的artid字段有索引，这
个方法会更快，否则，这个聪明巧妙的举措就会黯然失色。
注意
每当对大量记录做存在性检查时，选择in还是exists须斟酌。
利于多数 SQL 方言，非关联子查询可以被改写成from 子句中的内嵌视图。然而，一定要记住
的是，in 会隐式地剔除重复项目，当子查询改写为 from 子句中的内嵌视图时，必须要显式地
消除重复项目。例如：
select custname
from customers
where city = 'GOTHAM'
and custid in
（select o。custid
from orders o；
（select distinct od。ordid
from orderdetail od；
articles a
where a。artname = 'BATMOBILE'
and a。artid = od。artid） x
where o。ordered 》= somefunc
and x。ordid = o。ordid）
编写功能等价的查询时，不同的编写方式就好像同义词。在书面语和口语中，同义词的意思虽
…………………………………………………………Page 44……………………………………………………………
然大致相同，但又有细微差异，因此某个词在特定语境中更合适。同样，数据和处理的具体实
现细节可以决定选择哪种查询方式。
蝙蝠车买主案例总结
前面讨论的各段SQL语句，看似意义不大的编程技巧练习，实则不然。关键是“擒获（attack）”
数据的方法有很多，不必按照先customers、然后orders、接着orderdetail和articles的方式来编
写查询。
现在以箭头表示搜索条件的强度——条件分辨力越强，箭头就越大。假设 Gotham市的客户非
常少，但过去六个月的销售业绩不错，卖出了很多蝙蝠车，此时规划图如图4…6所示。虽然商品
名称之上有个过滤条件，但图中的中等大小的箭头指向了表orderdetail，因为该表是真正重要
的表。待售商品可能很少，反映出销售收入的百分比；也可能待售商品很多，最畅销的商品之
一就是蝙蝠车。
相反，如果我们假设多数客户在 Gotham市，但其中很少的客户买了蝙蝠车，则规划图如图4…7
所示。很显然，此时表orderdetail 是最大的目标。来自这个表的数据的数据量缩减速度越快，
查询执行得就越快。
还要注意的非常重要的一点是，“过去六个月”并不是个非常精确的条件。但如果我们把条件改为
过去两个月，而库中有十年的销售记录，会发生什么呢？在这种情况下，如果能先访问到近期
的订单（借助第5章中描述的一些技术，这些数据或许就聚集在一起），查询的效率就会更高些；
找出近期订单后，一方面选取Gotham 的客户，另一方面则选取蝙蝠车订单。所以，换个角度
来看，最好的执行计划并不只相依于数据值，还应该随着时间而不断进化。
好了，总结一下。首先，解决问题的方法不只一种……而且查询的编写方式经常会与数据隐含
的假设相关。殊途同归，最终的结果集都是一样的，但执行速度可能有极大差异。查询的编写
方式会影响执行路径，尤其是应用无法在真正的关系环境中表达的条件时。若想让优化器发挥
极致，我们就必须扩大关系处理的工作量，并确保非关系的部分对最后结果集的影响最小。
本章前面一直假设代码的执行方式与编写方式一样，但其实，优化器可能改写查询——有时改
动还很大。你或许认为优化器所做的改写无关紧要，因为 SQL本是一种声明性语言（declarative
language），用它来说明想要什么，并让 DBMS 予以执行。然而，你也看到了，每次用不同方
式改写查询时，都必须更新关于数据分布和已有索引的假设。因此有一点非常重要：应预先考
虑优化器的工作，以确定它能找到所需数据——这可能是索引，也可能是数据相关的详细统计
信息。
总结：保证SQL 语句返回正确结果，只是建立最佳 SQL语句的第一步。
大数据量查询
Querying Large Quantities of Data
越快剔除不需要的数据，查询的后续阶段必须处理的数据量就越少，自然查询的效率就越高，
这听起来显而易见。集合操作符（set operator）是这一原理的绝佳应用，其中的union使用最
为广泛，我们经常看到通过union操作将几个表“粘”在一起。中等复杂程度的union语句较为常见，
大多数被连接的表都会同时出现在union两端的select 语句中。例如下面这段代码：
…………………………………………………………Page 45……………………………………………………………
select 。。。
fromA；
B；
C；
D；
E1
where （condition on E1）
and （joins and other conditions）
union
select 。。。
fromA；
B；
C；
D；
E2
where （condition on E2）
and （joins and other conditions）
这类查询是典型的“照搬式”编程。为了提高效率，可以仅对代码中非共用的表（本例中即E1和
E2）使用union，然后配合筛选条件，把 union 语句降级为内嵌视图。代码如下：
select 。。。
fromA；
B；
C；
D；
（select 。。。
from E1
where （condition on E1）
union
select 。。。
from E2
where （condition on E2）） E
where （joins and other conditions）
另一个“查询条件用错了地方”的经典例子，和在含有 group by 子句的查询中进行过滤操作有