SQL Server 2008 中用户定义的排名/分析函数

Posted 2023-04-13

【中文标题】SQL Server 2008 中用户定义的排名/分析函数

【英文标题】：User-defined ranking / analytic functions in SQL Server 2008

【发布时间】：2009-11-16 04:19:18

【问题描述】：

我正在计划将数据仓库迁移到 SQL Server 2008，并尝试想办法在 SQL Server 2008 中从 Oracle 复制 LAG、LEAD、FIRST_VALUE 和 LAST_VALUE 分析函数。它们不包含在 SQL Server 2008 中，尽管窗口分析函数的基本机制是（例如 ROW_NUMBER、RANK 和 DENSE_RANK 都存在）。

对于这些函数，可以通过创建一个子查询来实现相同的功能，该子查询使用 ROW_NUMBER 为每一行分配一个数字，然后对该查询进行自联接以查找具有附近行号的相关行（对于 LAG 和 LEAD） ，或行号 1（对于 FIRST_VALUE）。

我希望执行自联接会降低操作的效率：但我还没有 SQL Server 来测试这一点。因此，在没有实际评估性能的情况下，我想知道是否有更好的解决方法来避免自联接。

查看user-defined aggregate functions 的文档，可以想象相同的代码结构可以用于提供用户定义的分析函数。

所以我的问题是：您可以在用户定义的聚合函数之后添加一个 OVER() 子句以将其作为分析函数调用吗？

如果是这样，是否每行调用一次 Terminate() 方法？是否需要任何特别的东西来确保按照 OVER() 子句中指定的顺序将行发送到您的 UDF？

【参考方案1】：

我会使用自联接而不是 udf。

您正在查看使用表访问的标量 UDFS，它几乎总是会导致性能不佳（它是游标）。否则，您可能会使用 APPLY，但这也是逐行的。

此外，Oracle 函数不是聚合函数。用户定义的聚合仍然需要对结果集进行相同的处理。

请记住，无论如何，Oracle 在内部仍然需要逐行处理来计算值。

因此，FIRST_VALUE 的 SQL Server 2005+ 示例（未测试）使用自联接。

注意交叉连接以解耦 FIRST_VALUE 和其余 2，因为结果集没有关系。如果您使用 UDF 或用户定义的 agg，那么很可能您必须从第一个结果集中的每行一遍又一遍地计算 FIRST_VALUE。

;WITH CTE AS
(
    SELECT
        department_id, last_name, salary,
        ROW_NUMBER() OVER (ORDER BY salary) AS ranking
    FROM employees
    WHERE department_id = 90
)
SELECT
    c1.department_id, c1.last_name, c1.salary,
    c2.last_name as Poorest
FROM
    CTE c1
    CROSS JOIN
    (SELECT last_name FROM CTE WHERE Ranking = 1) c2
ORDER BY
    c1.employee_id

【讨论】：

很公平：我希望从聚合 UDF 示例的设计中，优化器可能有更多可用选项，这些选项可能会比直接游标带来更好的性能。 Oracle 可能确实对分析函数进行了逐行处理，但它能够在一次遍历数据（排序之后）中完成此操作，这通常比等效的自连接更好。如果每行中有多个函数，您认为 UDF 是否会获得任何优势，这会导致许多自联接？

您可能可以在一个自联接中服务多个输出。在我的示例中，您可以为薪水 DESC 设置一个额外的 CTE 列，并且也可以执行 LAST_VALUE。多个 udf 会比单个 UDF 更糟糕。

【参考方案2】：

在 SQL Server 中，分析是 SSAS 的一部分；你会在那里找到 FirstNonEmpty、LastNonEmpty、FirstChild、LastChild。它包含在标准版和企业版 SQL Server 中； see here。也就是说，如果您想构建多维数据集。