属性在 aj 中的内部工作以获得 kdb 中的性能优势

Question

考虑内存中的交易表't'和报价表'q'：

q)t:([] sym:`GOOG`AMZN`GOOG`AMZN; time:10:01 10:02 10:02 10:03; px:10 20 11 19)
q)q:([] sym:`GOOG`AMZN`AMZN`GOOG`AMZN; time:10:01 10:01 10:02 10:02 10:03; vol:100 200 210 110 220)

为了获得性能优势，在 q 表的 'sym' 列上应用分组属性并使 'time' 列在 sym 内排序。
使用它，我可以清楚地看到它的性能优势：

q)\t:1000000 aj[`sym`time;t;q]
9573
q)\t:1000000 aj[`sym`time;t;q1]
8761
q)\t:100000 aj[`sym`time;t;q]
968
q)\t:100000 aj[`sym`time;t;q1]
893

在大型表中性能要好得多。

现在，当我们将分组属性应用于 sym 列并在 sym 中对时间进行排序时，我试图了解它在内部是如何工作的。

我的理解是内部应该以下面的方式发生 aj，有人可以告诉我正确的内部工作吗？
* 因为，分组属性应用于 sym；所以它为表 q1 创建了一个哈希表，然后因为我们按时间排序，所以内部 q1 表可能看起来像。

GOOG|(10:01;10:02)|(100;110)
AMZN|(10:01;10:02:10:03)|(200;210;220)

所以在q1这个例子中，如果解释器必须加入t表的(AMZN;10:02)；它会在更短的时间内直接在 q1 的 hasttable 中找到它，但是为了在表 'q' 中加入表 't' 的相同值（AMZN;10:02），解释器将不得不通过表 'q' 线性搜索，因此需要更多时间.

Answer 1

我相信您走在正确的轨道上，但我们无法确定，因为我们无法访问 kdb 源代码来准确查看它的作用。

如果您查看 aj 的定义，您会发现它基于 bin：

q)aj
k){.Q.ft[{d:x_z;$[&/j:-1<i:(x#z)bin x#y;y,'d i;+.[+.Q.ff[y]d;(!+d;j);:;.+d i j:&j]]}[x,();;0!z]]y}

具体来说，

(`sym`time#q)bin `sym`time#t

bin 文档提供了有关 bin 行为方式的更多详细信息：https://code.kx.com/q/ref/bin/

我相信在双列的情况下，它将首先在 sym 列上匹配，然后在第二列上使用 bin。就像你说的，sym 上的 grouped 属性加快了 syms 部分的匹配，并且按时排序确保 bin 返回正确的结果。请注意，对于磁盘上的查询，最好将 `p# 放在 sym 上而不是 `g#，因为 parted 属性最适合通过 sym 从磁盘进行匹配/检索。