我有一个 subscription 表和a payments 我需要加入的表。我试图在两个选项之间做出选择，性能是一个关键的考虑因素。
下面两个选项中哪一个会表现更好？
我使用的是impala，这些表很大（数百万行），我只需要为每个表获取一行 id 以及 date 分组（因此 row_number() 解析函数）。
为了说明我的问题，我缩短了提问时间：
方案1：
WITH cte
AS (
SELECT *
, SUM(amount) OVER (PARTITION BY id, date)
AS sameday_total
, ROW_NUMBER() OVER (PARTITION BY id, date ORDER BY purchase_number DESC)
AS sameday_rownum
FROM payments
),
payment
AS (
SELECT *
FROM cte
WHERE sameday_rownum = 1
)
SELECT s.*
, p.sameday_total
FROM subscription
INNER JOIN payment ON s.id = p.id方案2：
WITH payment
AS (
SELECT *
, SUM(payment_amount) OVER (PARTITION BY id, date)
AS sameday_total
, ROW_NUMBER() OVER (PARTITION BY id, date ORDER BY purchase_number DESC)
AS sameday_rownum
FROM payments
)
SELECT s.*
, p.sameday_total
FROM subscription
INNER JOIN payment ON s.id = p.id
AND p.sameday_rownum = 1
1条答案
按热度按时间ndasle7k1#
“选项0”也存在。一个更传统的“派生表”，它不需要使用任何cte。
所有选项0、1和2都可能产生相同或非常相似的解释计划（尽管我对sql server的该语句比impala更有信心）。
采用cte本身并不能提高查询的效率和性能，因此选项1和选项2之间的语法改变并不重要。我自己更喜欢选项0，因为我更喜欢将CTE用于特定任务（例如递归）。
你应该做的是使用解释计划来研究每个选项产生的结果。