Sql 跳过特定值后的连续行
注意:我有一个有效的查询,但我正在寻找在大型表上使用它的优化 假设我有一张这样的桌子:Sql 跳过特定值后的连续行,sql,sql-server,tsql,sql-server-2014,Sql,Sql Server,Tsql,Sql Server 2014,注意:我有一个有效的查询,但我正在寻找在大型表上使用它的优化 假设我有一张这样的桌子: id session_id value 1 5 7 2 5 1 3 5 1 4 5 12 5 5 1 6 5 1 7 5 1 8 6 7 9
id session_id value
1 5 7
2 5 1
3 5 1
4 5 12
5 5 1
6 5 1
7 5 1
8 6 7
9 6 1
10 6 3
11 6 1
12 7 7
13 8 1
14 8 2
15 8 3
我想要值为1的所有行的id,但有一个例外:
跳过在同一会话id中直接跟在值7后面的值为1的组
基本上,我会寻找值为1的组,这些组直接跟随值7,受session_id的限制,然后忽略这些组。然后显示所有剩余的值1行
显示id的所需输出:
5
6
7
11
13
我从中获得了一些灵感,并以以下代码结束:
declare @req_data table (
id int primary key identity,
session_id int,
value int
)
insert into @req_data(session_id, value) values (5, 7)
insert into @req_data(session_id, value) values (5, 1) -- preceded by value 7 in same session, should be ignored
insert into @req_data(session_id, value) values (5, 1) -- ignore this one too
insert into @req_data(session_id, value) values (5, 12)
insert into @req_data(session_id, value) values (5, 1) -- preceded by value != 7, show this
insert into @req_data(session_id, value) values (5, 1) -- show this too
insert into @req_data(session_id, value) values (5, 1) -- show this too
insert into @req_data(session_id, value) values (6, 7)
insert into @req_data(session_id, value) values (6, 1) -- preceded by value 7 in same session, should be ignored
insert into @req_data(session_id, value) values (6, 3)
insert into @req_data(session_id, value) values (6, 1) -- preceded by value != 7, show this
insert into @req_data(session_id, value) values (7, 7)
insert into @req_data(session_id, value) values (8, 1) -- new session_id, show this
insert into @req_data(session_id, value) values (8, 2)
insert into @req_data(session_id, value) values (8, 3)
select id
from (
select session_id, id, max(skip) over (partition by grp) as 'skip'
from (
select tWithGroups.*,
( row_number() over (partition by session_id order by id) - row_number() over (partition by value order by id) ) as grp
from (
select session_id, id, value,
case
when lag(value) over (partition by session_id order by session_id) = 7
then 1
else 0
end as 'skip'
from @req_data
) as tWithGroups
) as tWithSkipField
where tWithSkipField.value = 1
) as tYetAnotherOutput
where skip != 1
order by id
这提供了所需的结果,但对于4个select块,我认为在大型表上使用它效率太低
是否有一种更干净、更快的方法来执行此操作?您可以使用以下查询:
select id, session_id, value,
coalesce(sum(case when value <> 1 then 1 end)
over (partition by session_id order by id), 0) as grp
from @req_data
因此,此查询检测属于同一组的连续1条记录的孤岛,如前一行值为1所指定的
您可以再次使用窗口功能来检测所有7个孤岛。如果将其包装在第二个cte中,则通过过滤掉所有7个岛,最终可以获得所需的结果:
以下内容应该可以很好地实现这一点
WITH
cte_ControlValue AS (
SELECT
rd.id, rd.session_id, rd.value,
ControlValue = ISNULL(CAST(SUBSTRING(MAX(bv.BinVal) OVER (PARTITION BY rd.session_id ORDER BY rd.id), 5, 4) AS INT), 999)
FROM
@req_data rd
CROSS APPLY ( VALUES (CAST(rd.id AS BINARY(4)) + CAST(NULLIF(rd.value, 1) AS BINARY(4))) ) bv (BinVal)
)
SELECT
cv.id, cv.session_id, cv.value
FROM
cte_ControlValue cv
WHERE
cv.value = 1
AND cv.ControlValue <> 7;
编辑:它的工作原理和原因。。。
基本前提取自
本质上,我们依靠的是两种大多数人通常不会想到的不同行为
1空+任何内容=空。
2您可以将INT转换为固定长度的二进制数据类型,它将继续作为INT排序,而不是像文本字符串那样排序
将间歇步骤添加到CTE中的查询时,这更容易看到
SELECT
rd.id, rd.session_id, rd.value,
bv.BinVal,
SmearedBinVal = MAX(bv.BinVal) OVER (PARTITION BY rd.session_id ORDER BY rd.id),
SecondHalfAsINT = CAST(SUBSTRING(MAX(bv.BinVal) OVER (PARTITION BY rd.session_id ORDER BY rd.id), 5, 4) AS INT),
ControlValue = ISNULL(CAST(SUBSTRING(MAX(bv.BinVal) OVER (PARTITION BY rd.session_id ORDER BY rd.id), 5, 4) AS INT), 999)
FROM
#req_data rd
CROSS APPLY ( VALUES (CAST(rd.id AS BINARY(4)) + CAST(NULLIF(rd.value, 1) AS BINARY(4))) ) bv (BinVal)
结果
id session_id value
----------- ----------- -----------
5 5 1
6 5 1
7 5 1
11 6 1
13 8 1
id session_id value BinVal SmearedBinVal SecondHalfAsINT ControlValue
----------- ----------- ----------- ------------------ ------------------ --------------- ------------
1 5 7 0x0000000100000007 0x0000000100000007 7 7
2 5 1 NULL 0x0000000100000007 7 7
3 5 1 NULL 0x0000000100000007 7 7
4 5 12 0x000000040000000C 0x000000040000000C 12 12
5 5 1 NULL 0x000000040000000C 12 12
6 5 1 NULL 0x000000040000000C 12 12
7 5 1 NULL 0x000000040000000C 12 12
8 6 7 0x0000000800000007 0x0000000800000007 7 7
9 6 1 NULL 0x0000000800000007 7 7
10 6 3 0x0000000A00000003 0x0000000A00000003 3 3
11 6 1 NULL 0x0000000A00000003 3 3
12 7 7 0x0000000C00000007 0x0000000C00000007 7 7
13 8 1 NULL NULL NULL 999
14 8 2 0x0000000E00000002 0x0000000E00000002 2 2
15 8 3 0x0000000F00000003 0x0000000F00000003 3 3
查看BinVal列,我们看到所有非[value]=1行都有一个8字节的十六进制值,其中[value]=1。。。前4个字节是用于排序的Id,第2个4个字节是用于设置前一个非1值或将整个设置为NULL的[value]
第二步是使用window-framed-MAX函数将非空值涂抹到空值中,该函数按session_id进行分区,并按id排序
第三步是解析最后4个字节,并将它们转换回INT数据类型secondhalvasint,并处理由于没有任何非1前导值ControlValue而导致的任何空值
因为我们不能在WHERE子句中引用窗口函数,所以我们必须将查询放入CTE中。派生表也可以工作,这样我们就可以在WHERE子句中使用新的控制值。看看LAG:你可以看看前一行。他们在原始查询@Leonidas199xI中使用了LAG,认为这属于代码检查,不是堆栈交换。它是工作代码。@ TabAlman如果它没有扩展到实际的数据卷,那么我可能仍然认为它是错误的。比如,如果你的算法开启了!要排序数组,我不认为这是可行的。这段代码看起来是在^2上执行一个明显的On任务,我们应该对一个有效的基于集合的解决方案感兴趣,以避免在T-SQL中编写自定义循环。这是一个聪明的解决方案,但它确实需要解释。这是伊兹克·本·甘对上一个非空谜题的解决方案的变体。。。在本例中,Idead是,我们希望所有行的[value]=1,但前提是前面的非1值不是=7。。。因此,通过将[value]=1视为空值,我们可以使用伊兹克的方法获得最后一个非空值。。。一旦我们有了它,最后的where子句就变得非常容易写了。我会继续更新答案,并提供更好的解释。这是一个聪明的解决方案,有非常有用的解释,谢谢。就性能而言,它似乎排在第二位,但我不是衡量这一点的专家。我用“设置统计时间”和“设置统计IO”来获取一些状态,我很想看看你的测试。使用临时表代替@table变量,以便可以创建静态。。。使用原始测试数据,无附加索引。我将提出以下建议。。。二进制concat:总扫描计数=20;逻辑读取总数=93;cpu时间=0运行时间=00:00:00.001///间隙和孤岛:总扫描计数=23;逻辑读取总数=156;cpu时间=0;耗用时间=00:00:00.046在会话_id&id上添加覆盖非聚集索引将从二进制concat解决方案中移除77%的计划成本排序,使其速度提高约5倍。@Nicokepe很高兴我能够提供帮助并欢迎使用堆栈溢出。如果此答案有助于您解决问题,请将此答案或任何其他答案标记为已接受。此方法有效,但在包含1000条记录的表上大约需要15毫秒的时间。作为比较,其他脚本需要3-12毫秒。根据实际执行计划,有两种排序操作,各占32%。编辑:对不起,我的评论是错误的。这似乎是对服务器影响最小的解决方案。到目前为止,我还没有在输出中找到任何差距,所以这很好编辑:对不起,我的评论搞错了。。
SELECT CRow.id
FROM @req_data AS CRow
CROSS APPLY (SELECT MAX(id) AS id FROM @req_data PRev WHERE PRev.Id < CRow.id AND PRev.session_id = CRow.session_id AND PRev.value <> 1 ) MaxPRow
LEFT JOIN @req_data AS PRow ON MaxPRow.id = PRow.id
WHERE CRow.value = 1 AND ISNULL(PRow.value,1) <> 7
id session_id value BinVal SmearedBinVal SecondHalfAsINT ControlValue
----------- ----------- ----------- ------------------ ------------------ --------------- ------------
1 5 7 0x0000000100000007 0x0000000100000007 7 7
2 5 1 NULL 0x0000000100000007 7 7
3 5 1 NULL 0x0000000100000007 7 7
4 5 12 0x000000040000000C 0x000000040000000C 12 12
5 5 1 NULL 0x000000040000000C 12 12
6 5 1 NULL 0x000000040000000C 12 12
7 5 1 NULL 0x000000040000000C 12 12
8 6 7 0x0000000800000007 0x0000000800000007 7 7
9 6 1 NULL 0x0000000800000007 7 7
10 6 3 0x0000000A00000003 0x0000000A00000003 3 3
11 6 1 NULL 0x0000000A00000003 3 3
12 7 7 0x0000000C00000007 0x0000000C00000007 7 7
13 8 1 NULL NULL NULL 999
14 8 2 0x0000000E00000002 0x0000000E00000002 2 2
15 8 3 0x0000000F00000003 0x0000000F00000003 3 3
SELECT CRow.id
FROM @req_data AS CRow
CROSS APPLY (SELECT MAX(id) AS id FROM @req_data PRev WHERE PRev.Id < CRow.id AND PRev.session_id = CRow.session_id AND PRev.value <> 1 ) MaxPRow
LEFT JOIN @req_data AS PRow ON MaxPRow.id = PRow.id
WHERE CRow.value = 1 AND ISNULL(PRow.value,1) <> 7