Sql 组内日期选择

我有一个表，它有两个日期列，并以下面的方式比较日期，这样date1应该小于date2，但date1应该是其组中的最新日期

我可以得到我想要的结果，但问题是，这可能不是最好的方法，因为在我的原始表中，我有数百万条记录和大约30-40列

因此，在编写select时，我将使用max（col1）、max（col2）、…max（col40），这将非常繁琐，而且不是正确的方法，我想知道是否有更好的方法来获得所需的输出

要复制的代码

CREATE TABLE Dummy_tab (
    empid int,
    date1_start date,
    date2_start date,
    name_emp varchar(255)
);
 

INSERT INTO Dummy_tab VALUES
  (1, '2018-02-27','2018-02-28', 'Eric'),
  (1, '2016-02-28','2018-02-28', 'Eric'),
  (1, '2018-01-28','2018-02-28', 'Eric'),
  (2, '2018-10-28','2018-12-28', 'Jack'),
  (2, '2018-02-28','2018-12-28', 'Jack'),
  (2, '2018-11-28','2018-12-28', 'Jack'),
  (2, '2018-12-20','2018-12-28', 'Jack'),
  (2, '2018-12-28','2018-12-28', 'Jack'),
  (3, '2018-12-28','2018-12-31', 'Jane'),
  (3, '2018-12-28','2018-12-31', 'Jane');

  select empid,
         max(date1_start),
         max(date2_start),
         max(name_emp)
  from Dummy_tab
  where date2_start > date1_start
  group by empid

---

此查询返回预期的输出

with rn_cte as (
    select *, row_number() over (partition by empid order by date1_start desc) rn
    from Dummy_tab
    where date2_start > date1_start)
select * 
from rn_cte rc
where rn=1;

输出

empid   date1_start date2_start name_emp    rn
1       2018-02-27  2018-02-28  Eric        1
2       2018-12-20  2018-12-28  Jack        1
3       2018-12-28  2018-12-31  Jane        1

在澄清所有数据都在一行之后进行编辑-只想找到每个人的最新一行

为了得到正确的结果（例如，查找每个人的“最近一行”，但date1早于date2），请使用@SteveC的答案。它提供了您想要的内容，虽然它进行了完整的索引扫描，但它通常会有良好的性能（我已经对它进行了升级）。如果您只想偶尔运行此操作，或者您愿意等待多长时间（例如，10秒），那么这就是您的答案，您不需要再做更多的操作

但是，如果需要花费太长时间，您可能需要在此进一步考虑如何优化从表中读取数据的注意事项。这可能会加快处理速度，尤其是当每个人都有很多行时。另一方面，如果每个员工只有几行，这些可能没有什么区别

（注意，根据OP对评论的回答，我还清理了一些不相关的东西）

---

如果需要date1\u start小于date2\u start，则始终需要执行完整的表或索引扫描：它将无法查找索引中的特定点，因为它需要计算每行的差异

然后，通过排序/分组来烧掉CPU。在大多数查询中，排序（和groupby，这需要排序）往往是占用最多CPU时间的事情

你可以试试

• 将分组依据修改为按更多字段分组，而不是使用MAX
• 使用CTE和/或窗口功能

但是，您仍然会遇到相同的问题：它仍然需要执行完整的索引扫描和排序

如果查询速度不够快，其中一个问题可能与读取的数据量有关。如果你能减少，它可能会更快

首先，如果每个员工有许多行（并且您的表有一个主键，不是堆），那么您可以执行一个过程，首先为相关行标识PK，然后将其连接到原始表以获取该行的所有值。在这种情况下，您可以执行MAX（date1_start）而不是ROW_NUMBER（），因此不需要执行完全排序。但是，它需要再次查找聚集索引。通过索引（例如，emp_id、date1和date2上的索引）减少读取，可以加快速度

如果您可以更改表，并且非常需要经常运行该表，那么您可以添加一个（例如，当date2_start>date1_start然后是DATEDIFF（day，date2_start，date1_start）或者NULL END）的CASE，然后在其上放置一个索引和empid，这意味着您可以使用这些索引和empid进行计算（例如，按员工查找最大日期差）

---

但是，如果您必须执行过多的索引查找/键查找，它可能会决定执行聚集索引扫描（这取决于每个人有多少行-如果每个人都有很多行，这可能真的很有帮助。如果每个人只有几行，则可能没有）.

只需检查-附加的30-40列-对于给定员工，它们在所有行中是相同的，还是不同的？类似地，对于给定的员工（比如Eric），其他30-40列的值是否全部取自一行，或者是否可以取自不同的行（例如，您是否只对最后一行感兴趣，或者基于该人员的所有行进行计算）？@DaleK所有员工的列都相同，eric和其他人的“是”值取自一行，但日期2应更大，日期1应为eric所有条目中的最新日期