SQL Server里Grouping Sets的威力

在SQL Server里，你有沒有想進行跨越多個列/緯度的聚集操作，不使用SSAS許可（SQL Server分析服務）。我不是說在生產里使用開發版，也不是說安裝盜版SQL Server。

不可能的任務？未必，因為通過SQL Server里所謂的Grouping Sets就可以。在這篇文章里我會給你概括介紹下Grouping Sets，使用它們可以實現哪類查詢，什么是它們的性能優勢。

使用Grouping Sets的聚合

假設你有個訂單表，你想進行跨多個分組的T-SQL聚集查詢。在AdventureWorks2012數據庫的Sales.SalesOrderHeader表的環境里，這些分組可以類似如下：

• 在每列分組
• GROUP BY SalesPersonID, YEAR(OrderDate)
• GROUP BY CustomerID, YEAR(OrderDate)
• GROUP BY CustomerID, SalesPersonID, YEAR(OrderDate)

當你想用傳統T-SQL查詢進行這些各自分組時，你需要多個語句，對各個記錄集進行UNION ALL。我們來看這樣的查詢：

SELECT * FROM
(
    -- 1st Grouping Set
    SELECT
        NULL AS 'CustomerID',
        NULL AS 'SalesPersonID', 
        NULL AS 'OrderYear', 
        SUM(TotalDue) AS 'TotalDue' 
    FROM Sales.SalesOrderHeader
    WHERE SalesPersonID IS NOT NULL

    UNION ALL

    -- 2nd Grouping Set
    SELECT
        NULL AS 'CustomerID',
        SalesPersonID, 
        YEAR(OrderDate) AS 'OrderYear', 
        SUM(TotalDue) AS 'TotalDue' 
    FROM Sales.SalesOrderHeader
    WHERE SalesPersonID IS NOT NULL
    GROUP BY SalesPersonID, YEAR(OrderDate)

    UNION ALL

    -- 3rd Grouping Set
    SELECT
        CustomerID,
        NULL AS 'SalesPersonID', 
        YEAR(OrderDate) AS 'OrderYear', 
        SUM(TotalDue) AS 'TotalDue' 
    FROM Sales.SalesOrderHeader
    WHERE SalesPersonID IS NOT NULL
    GROUP BY CustomerID, YEAR(OrderDate)

    UNION ALL

    -- 4th Grouping Set
    SELECT
        CustomerID,
        SalesPersonID,
        YEAR(OrderDate) AS 'OrderYear', 
        SUM(TotalDue) AS 'TotalDue' 
    FROM Sales.SalesOrderHeader
    WHERE SalesPersonID IS NOT NULL
    GROUP BY CustomerID, SalesPersonID, YEAR(OrderDate)
) AS t
ORDER BY CustomerID, SalesPersonID, OrderYear
GO

用這個T-SQL語句方法有多個缺點：

• T-SQL語句本身很龐大，因為每個單獨分組都是一個不同查詢。
• 每查詢1次，Sales.SalesOrderHeader表需要訪問4次。
• 每查詢1次，你在執行計划里會看到SQL Server進行了4次的索引查找（非聚集）（Index Seek (NonClustered) ）。

 

如果你使用自SQL Server 2008以后引入的grouping sets功能，就可以大大簡化你需要的T-SQL代碼。下面代碼展示你同樣的查詢，但這次用grouping sets實現。

SELECT
    CustomerID, 
    SalesPersonID, 
    YEAR(OrderDate) AS 'OrderYear', 
    SUM(TotalDue) AS 'TotalDue'
FROM Sales.SalesOrderHeader
WHERE SalesPersonID IS NOT NULL
GROUP BY GROUPING SETS
(
    -- Our 4 different grouping sets
    (CustomerID, SalesPersonID, YEAR(OrderDate)),
    (CustomerID, YEAR(OrderDate)),
    (SalesPersonID, YEAR(OrderDate)),
    ()
)
GO

從代碼本身可以看到，你只在GROUP BY GROUPING SETS子句里指定需要的分組集——其它的一切都由SQL Server搞定。指定的空括號是所謂的Empty Grouping Set，是跨整個表的聚集。當你看STATISTICS IO輸出時，你會發現Sales.SalesOrderHeader只被訪問了1次！這是和剛才手工實現的巨大區別。

在執行計划里，SQL Server使用了Table Spool運算符，它把獲得的數據臨時存儲在TempDb里。來自臨時表里創建的Worktable的數據在執行計划的第2個分支被使用。因此對來自表的每個分組數據沒有重新掃描，這就給整個執行計划的帶來了更好的性能。

我們再來看下執行計划，你會發現查詢計划包含了3個Stream Aggregate運算符（紅色，藍色，綠色高亮顯示）。這3個運算符計算各個分組集：

• 藍色高亮的運算符計算CustomerID, SalesPersonID, YEAR(OrderDate的分組集。
• 紅色高亮的運算符計算SalesPersonID, YEAR(OrderDate)的分組集。另外也計算每1列的分組集。
• 綠色高亮的運算符計算CustomerID, YEAR(OrderDate)的分組集。

2個連續的Stream Aggregate運算符的背后想法是計算所謂的Super Aggregates——聚集的聚集。

小結

在今天的文章里我給你介紹了grouping sets，在SQL Server 2008后引入的增強T-SQL。如你所見grouping sets有2個大優點：簡化你的代碼，只訪問一次數據提高查詢性能。

我希望現在你已經能夠很好理解grouping sets，如果你能在你的數據庫里使用這個功能可以在此留言，非常感謝！

感謝關注！

參考文章：

https://www.sqlpassion.at/archive/2014/09/15/the-power-of-grouping-sets-in-sql-server/