SQL优化:复杂标量子查询改写案例

一个复杂的标量子查询改写 left join 的例子,在 case when 部分多张表与外表关联,并且有聚合,标量子查询SQL如下,要跑600秒:

SELECT 
    AAZ661 ZFLSH, 
    '1' ZFXH, 
    AAE002 TIMESTAMP, 
    AAE924 JSXM,
    SUM(
        CASE 
            WHEN (
                SELECT COUNT(DISTINCT B.BAA526) 
                FROM t1 A, t2 B 
                WHERE A.AAA345 = B.AAA345 
                  AND A.AAZ661 = Q.AAZ661 
                  AND (B.BAA531 = Q.LTXBZ OR B.BAA531 = '9' OR Q.LTXBZ = '9') 
                  AND B.BAA526 IN ('3', '4')
            ) = 2 
            THEN 
                CASE 
                    WHEN BAA526 = '4' THEN AAE774 
                    WHEN AAE924 NOT IN ('7004', '7008', '7009', '7010', '7011', '7029') AND BAA526 = '5' THEN AAE019 - ZZZHBF 
                    ELSE AAE019 
                END 
            ELSE AAE019 
        END
    ) JE 
FROM Q 
GROUP BY AAZ661, AAE002, AAE924;

第一次改写:

SELECT 
    Q.AAZ661 ZFLSH, 
    '1' ZFXH, 
    Q.AAE002 TIMESTAMP, 
    Q.AAE924 JSXM,
    SUM(
        CASE 
            WHEN V.COUNT_BAA526 = 2 
            THEN 
                CASE 
                    WHEN B.BAA526 = '4' THEN Q.AAE774 
                    WHEN Q.AAE924 NOT IN ('7004', '7008', '7009', '7010', '7011', '7029') AND B.BAA526 = '5' THEN Q.AAE019 - Q.ZZZHBF 
                    ELSE Q.AAE019 
                END 
            ELSE Q.AAE019 
        END
    ) JE 
FROM Q 
LEFT JOIN (
    SELECT 
        A.AAZ661,B.BAA531
        COUNT(DISTINCT B.BAA526) AS COUNT_BAA526
    FROM t1 A
    JOIN t2 B ON A.AAA345 = B.AAA345
    WHERE  B.BAA526 IN ('3', '4')
    GROUP BY A.AAZ661,B.BAA531
) V ON Q.AAZ661 = V.AAZ661 and(Q.LTXBZ = V.BAA531 OR V.BAA531 = '9' OR Q.LTXBZ = '9')
GROUP BY Q.AAZ661, Q.AAE002, Q.AAE924;

改写后只要50秒,但是结果不对,需要修正(chatgpt帮忙做的修正,值得一提的是提问方法,一开始问他原始 SQL 应该怎么改,总是给出明显有错误的 SQL;但后来我先给出一个改写后的 SQL,问他改写的是否正确时,他就能给出下面这个答案了):

  • 子查询中的 GROUP BY 只需要按 A.AAZ661 进行分组,因为我们计算的是 COUNT(DISTINCT B.BAA526),并且获取 BAA531 的最大值。
  • 在子查询中使用 MAX(B.BAA531) 获取 BAA531 的最大值,这样在 LEFT JOIN 时可以正确地进行条件判断。

其实没太理解为什么要取 MAX(B.BAA531) ,尽管它的结果是对的。按道理来说,原始 SQL 是取了 Q 表每行数据中的 Q.AAZ661、Q.LTXBZ 代入子查询,对满足条件的记录计算 COUNT(DISTINCT B.BAA526) ,那改成 left join 后,应该对 AAZ661、BAA531 进行分组,第一次改写的 SQL 就是这个逻辑,但是结果却不对。希望有老师能指点下,不胜感激。

SELECT 
    Q.AAZ661 AS ZFLSH, 
    '1' AS ZFXH, 
    Q.AAE002 AS TIMESTAMP, 
    Q.AAE924 AS JSXM,
    SUM(
        CASE 
            WHEN V.COUNT_BAA526 = 2 
            THEN 
                CASE 
                    WHEN Q.BAA526 = '4' THEN Q.AAE774 
                    WHEN Q.AAE924 NOT IN ('7004', '7008', '7009', '7010', '7011', '7029') AND Q.BAA526 = '5' THEN Q.AAE019 - Q.ZZZHBF 
                    ELSE Q.AAE019 
                END 
            ELSE Q.AAE019 
        END
    ) AS JE 
FROM Q 
LEFT JOIN (
    SELECT 
        A.AAZ661,
        COUNT(DISTINCT B.BAA526) AS COUNT_BAA526,
        MAX(B.BAA531) AS BAA531
    FROM t1 A
    JOIN t2 B ON A.AAA345 = B.AAA345
    WHERE B.BAA526 IN ('3', '4')
    GROUP BY A.AAZ661
) V ON Q.AAZ661 = V.AAZ661 
   AND (V.BAA531 = Q.LTXBZ OR V.BAA531 = '9' OR Q.LTXBZ = '9')
GROUP BY Q.AAZ661, Q.AAE002, Q.AAE924;
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 216,258评论 6 498
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 92,335评论 3 392
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 162,225评论 0 353
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 58,126评论 1 292
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 67,140评论 6 388
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 51,098评论 1 295
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 40,018评论 3 417
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,857评论 0 273
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 45,298评论 1 310
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,518评论 2 332
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,678评论 1 348
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 35,400评论 5 343
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,993评论 3 325
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,638评论 0 22
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,801评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,661评论 2 368
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,558评论 2 352

推荐阅读更多精彩内容