GroupBy 用法的三重境界，面试终结者



知乎上，有人说 SQL 很简单，24 小时就能入门；也有人说，数据库很简单，7周7数据库。



看着这些言论，我一度怀疑自己是不是又虚度了几年光阴。



接着翻翻，这些言论家洋洋洒洒罗列一堆的 SQL 语法，翻来覆去就是 SELECT *, 再一看，哦，原来作者是 XX 培训机构老师。一口老血封住我少见了世面的喉咙司令官。



为了显摆自己 SQL 知识的丰富，我经常在面试中加入 GroupBy 基础语法的考察，当然这类题并不会影响给候选者发 Offer. 那什么会影响呢，下回我们好好讲，这次只讲技术细节。



GroupBy，熟悉 SQL 的朋友都知道，是对集合数据做分组聚合运算。



举个最简单的例子，大概就长这样：



SELECT OrderMonth
  ,City
  ,Sum(OrderAmount) AS OrderAmount
FROM dbo.FctSalesMonthly 
GROUP BY OrderMonth ,City



用意很简单，统计每个月，每个城市的销售额。如果面试的时候，面试官给了你一道这样的题，说明面试的岗位相对初级一些，只要对维度有概念，这样的题，应该不能错。



接下来，我可能会为难你一下，除了统计每月每城市的销售额外，还要求统计每个月的总销售额，每个城市的总销售，以及总销售额，并且（这是古怪的需求）用一条 SQL 语句完成，结果集只能用一个。



请注意最后一个要求，只能用一条SQL语句完成，结果集还只能有一个！



这时，解法可能就多了。有同学用动态SQL，有同学用CTE(不知道的同学谷歌里百度一下)，有同学用子查询。很可能写了 n 多行的SQL。但事实上，只要在GroupBy上添加一行:



SELECT OrderMonth
  ,City
  ,Sum(OrderAmount) AS OrderAmount
FROM dbo.FctSalesMonthly 
GROUP BY   Cube(OrderMonth,City)
ORDER BY OrderMonth DESC,City



这样的题，其实对候选人也只是经验层面的考量。如果你碰巧对 SQL 特别感兴趣，又碰巧读过文档，那你肯定知道。但如果你不知道，也只能说明你还年轻。



如果上面两题都没难住你，那么我就会往第三个方向问了：



下面两段 SQL，同样求每月订单的最大销售额，哪个最优？



SELECT OrderMonth
	,Max(OrderAmount) AS MaxAmount 
FROM FctSalesMonthly
GROUP BY OrderMonth
ORDER BY OrderMonth
SELECT Sales.OrderMonth
	,RSL.Amount AS MaxAmount 
 FROM FctSalesMonthly Sales 
 CROSS APPLY(
 	SELECT TOP 1 Amt.OrderAmount            
  FROM FctSalesMonthly Amt             
  WHERE Amt.OrderMonth = Sales.OrderMonth            
  )RSL 
 ORDER BY Sales.OrderMonth 



我们都知道第二条SQL肯定不是最佳，同表扫描多次，性能就会很次。即使表数据完全缓存起来，排序依然耗CPU. 但第一条好在哪里？这就是重点，体现SQL的功底和经验的地方。



比如，你需要会看执行计划，需要熟知中间可能会发生的聚合, Hash Match, Stream Aggregate 以及其性能和适用条件。



Stream Aggregate 在全表或全索引扫描一遍的情况下，便可实现分组，配合索引能极快的加速排序。而Hash Match则是在混乱的分组场景下，得到快速分组。



如果上述例子中，OrderMonth 上并没有索引，你猜，执行计划会选择 Hash Match 还是 Stream Aggregate ? 



--完--