TSQL 窗口函数最佳实践

Question

我在日常查询中越来越多地使用窗口函数，并且一直想知道我是否正确地使用它。

假设我们有一个数据库dbo.songs，其中包含每首歌曲的一条记录，具有以下列：artist、songName 和 releaseDate。
对于每个艺术家，我想选择他们的第一个songName 和releaseDate，按releaseDate 升序排列。请注意，在artist 上分组的决定是任意的 - 明天，我可能需要按不同的列（BPM、专辑、长度）分组。

为此，我们有几个选择：

最近，我一直在使用“一堆相同范围的窗口函数”策略，看起来像这样：

SELECT DISTINCT
    s.artist
    , FIRST_VALUE(s.songName) OVER (PARTITION BY s.artist ORDER BY s.releaseDate ASC) AS songName
    , FIRST_VALUE(s.releaseDate) OVER (PARTITION BY s.artist ORDER BY s.releaseDate ASC) AS releaseDate
FROM dbo.songs s

这似乎有点草率，不是吗？它完全依赖DISTINCT 来避免一百万行重复，如果你想选择额外的字段（BPM、专辑、长度），你需要更多的窗口函数，我相信这会算作 RBAR。

选项二是“找出键然后加入自我”，如下所示：

WITH earliestArtistRelease AS (
    SELECT
        s.artist
        , MIN(s.releaseDate) AS releaseDate
    FROM dbo.songs s
    GROUP BY s.artist
)

SELECT
    e.artist
    , e.releaseDate
    , s.songName
FROM dbo.songs s
INNER JOIN earliestArtistRelease e
ON s.releaseDate = e.releaseDate
    AND s.artist = e.artist

这样就完成了工作，但它似乎并没有那么高效 - 特别是如果我们没有在 releaseDate 和 artist 上的索引。如果一位艺术家在一天内发布了两首歌曲，我们也会遇到问题。 此外，如果我们正在做一些时髦的优先级排序（如果可能，选择 2018 年 1 月 1 日发布的歌曲，否则选择最早发布的歌曲），我们不能像使用窗口函数那样简单：@987654334 @，有点老套，但简洁。

我们还有其他选择：self-CROSS APPLY，使用ROW_NUMBER()，但据我所知，这些往往比上面概述的“一堆相同范围的窗口函数”策略效率低或简洁。

那么，我的问题是：最佳做法是什么？您将如何处理这个问题，既可以节省处理器周期，又可以避免代码库的长度加倍？一个选项在 CTE 中更好，而另一个更适合插入到临时表中？

非常感谢任何指向现有标准、论文或资源的链接。

Answer 1

1) 你应该首先找到你不同的艺术家。如果您已经有一个艺术家表，请从中选择。如果您不这样做，则创建一个艺术家表，并使用外键让歌曲表与该表相关。

2) 完成此操作后，CROSS APPLY 将是检索相关歌曲数据的合适操作员。

SELECT a.artist, t.songName, t.releaseDate
FROM artists a
CROSS APPLY (
    SELECT TOP 1 s.songName, s.releaseDate
    FROM songs s
    WHERE s.artistId = a.artistId
    -- any other "funky" prioritization.
    ORDER BY s.releaseDate ASC
) topSongs t

Answer 2

您可以使用subquery 或分析函数：

select s.*
from dbo.songs s
where releaseDate = (select min(s1.releaseDate)
                     from dbo.songs s1
                     where s.artist = s1.artist
                    );