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！
接下来的用这些值作为第二遍扫描的搜索条件。而以滑动窗口（sliding window）为基础的OLAP
函数，可以将两遍扫描合而为一（至少表面上如此）。基于时间戳或日期的数据查询，非常特殊
也非常重要，本章在稍后的“基于日期的简单搜索或范围搜索”中专门讨论。
总结：当多个选取条件用于同一个表的不同记录时，可以使用基于滑动窗口工作的函数。
基于一个表的自连接
Self…Joins on OneTable
利用卓越的、广为流行的范式（注2），有助于我们设计正确的关系数据库（至少满足3NF）。所
有非键字段均与键相关、并完整依赖于键，非键字段之间没有任何依赖。每条记录具有逻辑一
致性，同一个表中没有重复记录。于是，才能够建立同一个表之间的连接关系：使用同一查询
从同一表中选择不同记录的集合（可以相交），然后连接它们，就好像它们来自不同表一样。本
节将讨论简单的自连接。本节不讨论较复杂的嵌套层次结构，这一主题在第7章中讨论。
自连接，指表与自身的连接，这种情况比分层查询更常见。自连接用于“从不同角度看
待相同数据”的情况，例如，查询航班会两次用到airports 表，一次找到“出发机场”的名称，另
一次找出“到达机场”的名称：
select f。flight_number；
a。airport_name departure_airport；
b。airport_name arrival_airport
from flights f；
airports a；
airports b
where f。dep_iata_code =a。iata_code
andf。arr_iata_code =b。iata_code
此时，一般规则仍然适用：重点保证索引访问的高效。但是，如果此时索引访问不太高效怎么
办呢？首当其冲地，应避免“第一轮处理丢弃了第二轮处理所需的记录”。应该通过一次处理收
集所有感兴趣的记录，再使用诸如case 语句等结构分别显示记录，第11章将详细说明这种方法。
非常微妙的是，有些情况看似与“机场的例子”很像，但其实不然。例如，如何利用一个保存“定
期累计值”（注3）的表，显示每个时间段内累计值的增量？此时，该表内的两个不同记录间虽
然有关联，但这种关联很弱：两个记录之所以相关，是因为它们的时间戳之间有前后关系。而
连接两个flights表是通过airports表进行的，这种关联很强。
例如，时间段为5分钟，时间戳以“距参照日期多少秒（seconds elapsed since a reference date）”
表示，则查询如下：
select a。timestamp；
a。statistic_id；
（b。counter …a。counter）/5hits_per_minute
…………………………………………………………Page 71……………………………………………………………
from hit_counter a；
hit_counter b
where b。timestamp =a。timestamp＋300
andb。statistic_id =a。statistic_id
order bya。timestamp； a。statistic_id
上述脚本有重大缺陷：如果第二个累计值不是正好在第一个累计值之后5分钟取得的，那么就无
法连接这两条记录。于是，我们改以“范围条件”定义连接。查询如下：
select a。timestamp；
a。statistic_id；
（b。counter …a。counter）*60/
（b。timestamp …a。timestamp） hits_per_minute
from hit_counter a；
hit_counter b
where b。timestamp between a。timestamp＋200
anda。timestamp ＋400
andb。statistic_id =a。statistic_id
order bya。timestamp； a。statistic_id
这个方法还是有缺陷：前后两次计算累计值的时间间隔，如果不介于 200 到 400 秒之间（例
如取样频率改变了），如此之大的时间跨度就会引起风险。
我们还有更安全的方法，就是使用基于“记录窗口（windows of rows）”的OLAP函数（OLAP
function）。难以想象，这种本质上不太符合关系理论的技术可以显著提升性能，但应作为查询
优化的最后手段使用。借助partition 子句，OLAP函数支持“分别处理结果集的不同子集”，比如
分别对它们进行排序、总计等处理。借助OLAP 函数row_number（），可以根据 statistic_id 建立
子集，然后按时间戳增大的顺序为不同统计赋予连续整数编号，接下来，就可以连接statistic_id
和两个序号了，如下例子所示：
select a。timestamp；
a。statistic_id；
（b。counter …a。counter）*60/
（b。timestamp …a。timestamp）
from （select timestamp；
statistic_id；
counter；
row_number（ ）over（partition bystatistic_id
order bytimestamp） rn
from hit_counter） a；
（select timestamp；
statistic_id；
counter；
row_number（ ）over（partition bystatistic_id
…………………………………………………………Page 72……………………………………………………………
order bytimestamp） rn
from hit_counter） b
where b。rn=a。rn＋1
anda。statistic_id =b。statistic_id
order bya。timestamp； a。statistic_id
Oracle等DBMS支持OLAP 函数 lag（column_name； n）。该函数借助分区（）和排序（），返回
column_name之前的第n个值。如果使用lag（）函数，我们的查询甚至执行得更快——比先前的查
询大约快25％。
select timestamp；
statistic_id；
（counter …prev_counter） *60/
（timestamp …prev_timestamp）
from （select timestamp；
statistic_id；
counter；
lag（counter；1）over（partition bystatistic_id
order bytimestamp） prev_counter；
lag（timestamp； 1）over（partition bystatistic_id
order bytimestamp） prev_timestamp
from hit_counter） a
order bya。timestamp； a。statistic_id
很多时候，我们的数据并不像航班案例中那样具有对称性。通常，当需要查找和最小、最大、
最早、或最近的值相关联的数据时，首先必须找到这些值本身（此为第一遍扫描，需比较记录），
接下来的用这些值作为第二遍扫描的搜索条件。而以滑动窗口（sliding window）为基础的OLAP
函数，可以将两遍扫描合而为一（至少表面上如此）。基于时间戳或日期的数据查询，非常特殊
也非常重要，本章在稍后的“基于日期的简单搜索或范围搜索”中专门讨论。
总结：当多个选取条件用于同一个表的不同记录时，可以使用基于滑动窗口工作的函数。
基于日期的简单搜索或范围搜索
Simple orRange Searchingon Dates
搜索条件有多种，其中日期（和时间）占有特殊地位。日期极为常见，而且比其他数据类型更
可能成为范围搜索的条件，范围搜索可以是有界的（如“在某两天之间”），也可以是部分有界
（“在某天之前”）。通常，为了获得这种结果集，查询需要使用当前日期（如“前六个月”）。
上一节“通过聚合获得结果集”所举的例子，用到了sales_history 表。当时，条件位于amount 上，
其实对于sales_history这种表更常见的是日期条件，尤其是读取特定日期的数据、或读取两个日
期之间的数据。在保存历史数据的表中查找特定日期（或其对应值）时，必须特别注意确定当
前日期的方法，它可能成为聚合条件的基础。
…………………………………………………………Page 73……………………………………………………………
第1章已指出，设计保存历史数据的表颇为困难，而且没有现成的简单解决方案。无论你对当前
数据、还是历史数据感兴趣，设计历史数据的存储方案都要根据如何使用数据决定，同时还要
看数据多快会过时。例如，零售系统中价格的变动速度比较慢（除非正在经受严重的通货膨胀），
而网络流量或财务设备的价格改变速度比较快，甚至快很多。
从宏观角度来看，关键是各项历史数据的数量：是“少量数据项、大量历史数据”，还是“大量数
据项、少量历史数据”，或是介于两者之间？其重点是：数据项的可选择性取决于数据项的总数、
取样频率（“每天一次”还是“每次改变时”）、时间长短（“永久”还是“一年”等）。因此，本节将首
先讨论“大量数据项、少量历史数据”的情况，接着讨论“少量数据项、大量历史数据”的情况，
最后讨论当前值问题。
大量数据项、少量历史数据
ManyItems； Few HistoricalValues
既然没有为每个数据项保留大量历史数据，那么各项的ID可选择性很高。说明要查询哪些项，
限定参与查询的少数历史记录，就可确定特定日期（当前日期或以前日期）对应的值。这种情
况需要我们再次处理聚合值（aggregate value）。
除非建立了代理键（本情况不需要代理键），否则主键通常是复合键，由item_id和record_date组
成。为了查询特定日期的值，可采用两种方法：子查询和 OLAP 函数。
使用子查询
查找某数据项在特定日期的值相对简单，但实际上，这种简单只是假象。通常你会遇到这样的
代码：
select whatever
from hist_data asouter
where outer。item_id =somevalue
andouter。record_date =（select max（inner。record_date）
from hist_data asinner
where inner。item_id =outer。item_id
andinner。record_date