SQL重复存在子查询

Question

我正在尝试编写一个查询，从两个表中提取多个列，然后查看在过去 28 天内是否有另一个实例包含相同类型的数据。

我的查询工作正常，它看起来像这样：

SELECT
     a.col_a
    ,a.col_b
    ,a.col_c
    ,b.col_a
    ,b.col_b
    ,CASE WHEN EXSISTS (SELECT a_sub.col_a
                        FROM a_sub
                        INNER JOIN b_sub
                          ON a_sub.x = b_sub.x
                        WHERE
                          b.col_a = b_sub.col_a
                          AND b.col_b <> b_sub.col_b
                          AND a.date > a_sub.date
                          AND a.date <= DATEADD(d, 28, a_sub.date)
                          AND a.col_c = a_sub.col_c
                          AND (a.col_d IS NULL OR a.col_d <> 7)
                          AND (a_sub.col_d IS NULL OR a_sub.col_d <> 7)
                        ) THEN 'Yes'
                          ELSE 'No'
                          END AS IsRepeat28
FROM a
INNER JOIN b ON a.x = b.x

这不是特别快，但也不会太慢而不会成为问题。问题是我需要重复上述 WHEN EXISTS 子查询，但要在 21、14、7 和 1 天期间重复 5 次 - 然后查询时间从大约 15 秒到大约 10 分钟。

我还需要调整日期以及标记“IsRepeat”的行，还有一个基于“HasRepeat”的版本

AND a_sub.date > a.date AND a_sub.date <= DATEADD(d, 28, a.date)

代替原来的

AND a.date > a_sub.date AND a.date <= DATEADD(d, 28, a_sub.date)

这意味着有 10 个这些 EXISTS 子查询，这需要将近 45 分钟。

我的问题确实是双重的；有没有更有效的方法来编写这个子查询，有没有更好的方法来重复它而不是将几乎相同的代码写出 10 次？

Answer 1

我将任何产生数据的查询称为问题。 SQL 应该只用于查询数据。如果您了解您的流程及其所做的工作，您就不需要执行计划。

首先，根据您拥有的记录数，将您的主要投影作为第 1 步分离到临时表或表变量中。在生产查询中缓存您需要的每个集合，您可以将负载大小作为选择计数 (*) 来衡量。

    insert into @mytablevariable values
    SELECT
       a.col_a,
       a.col_b,
       a.col_c,
       b.col_a,
       b.col_b
       -- build this column later
    FROM a
    INNER JOIN b ON a.x = b.x

接下来，缓存该嵌套查询的结果，这样就不会在每次迭代时都执行内连接。

    insert into @mysub values
    SELECT a_sub.col_a
    FROM a_sub
    INNER JOIN b_sub
       ON a_sub.x = b_sub.x
       AND b.col_b <> b_sub.col_b

我们故意制造了浪费，因此我们可以通过根据您的处理要求改造 @mysub 来管理它。我们的目标是通过按正确顺序获取正确数据来消除工作量。

在这个过程中最突出的是日期字段在日期范围内的 WHERE 子句。

    AND a.date > a_sub.date AND a.date <= DATEADD(d, 28, a_sub.date)

自然地，表不按日期列值索引，因此这种 WHERE 比较必须进行全表扫描，或者我们称之为提取器。提取器从集合中提取数据的一部分（子集）。因为这个提取器在一个子查询中，它像任何其他嵌套进程一样为每个外部记录结果执行，所以会一遍又一遍地检查整个表。我们总是希望将提取最小化到一个遍，这仅在我们完成对提取器的组织标准时完成。切勿嵌套提取器。

首先，通过外部@mytablevariable 查询中所需的日期值范围来最小化@mysub 提取器结果的大小。

    insert into @mysub values
    SELECT a_sub.col_a
    FROM a_sub
    INNER JOIN b_sub
       ON a_sub.x = b_sub.x
       AND b.col_b <> b_sub.col_b
       and a_sub.date <= DATEADD(d, 28, select min(a.date) from @mytablevariable)
       and a_sub.date > (select max(a.date) from @mytablevariable)

然后，您可以将@mysub 投影到您的 21 天子集中，然后再将较小的集投影给其他人。对于 WHERE 子句的其余部分，使用您要比较的列展开 @mysub。要构建您的最终产品，请从第一个表中选择所有内容，并按如下方式对每条记录进行一次查找。

    select 
        *,
        case 
            when b.col_a in (select col_a from @mysub28) then 'Yes'
            else 'No'
        end as IsRepeat28,
        case 
            when b.col_a in (select col_a from @mysub21) then 'Yes'
            else 'No'
        end as IsRepeat21
        -- rinse, repeat
    from 
    @mytablevariable

任何时候，只要您有一个生产流程，就可以分离出您的组件并按照您的提取器的选择标准进行处理，这样它们就只能通过一次。