DISTINCT 有多慢？

Posted 2023-03-22

技术标签:

【中文标题】DISTINCT 有多慢？【英文标题】：How slow is DISTINCT? 【发布时间】：2009-01-12 05:32:21 【问题描述】：

我可以选择为数据库结构编写两种不同的格式：

Article
-------
ArticleID int FK

Article_Tags
------------
ArticleTagID int FK
ArticleID int FK
TagText varchar(50)

或

Article
-------
ArticleID int PK

Article_Tags
------------
ArticleTagID int PK
ArticleID int FK
TagText varchar(50) FK

Tag
---
TagText varchar(50) PK

如果我想要数据库中所有标签的列表，我可以使用：

select distinct tagtext from article_tags

或：

select tagtext from tag

第一种情况很简单。如果我正确索引它，也许它会加快速度。第二个有点困难，因为我必须不断删除没有连接的标签。想象一个相当大的系统，这样会更好。

【问题讨论】：

【参考方案1】：

无论哪种解决方案都能为您的应用程序带来最佳/最简洁的设计，我都会选择。如果您需要将数据直接附加到标签，那么单独的表格（即更规范化的解决方案）将是正确的。

我会警告不要过分担心两种提议的解决方案的性能差异，如果编制索引，差异可能微不足道（两者都是相当常见的用例，可以使用标准数据库技术轻松优化）。根据性能在提供的 2 个选项之间做出决定听起来像是过早的优化。

【讨论】：

【参考方案2】：

我会选择

Article
-------
ArticleID int PK

Article_Tags
------------
ArticleTagID int PK
ArticleID int FK
TagId int FK

Tag
---
TagId int identity(1,1) PK
TagText varchar(50)

确实没有理由从一开始就将其非规范化。（你的第一个和第二个版本没有标准化）

在单独的表中包含标签很好，如果没有不同的声明，获取唯一标签会更干净。

如果应用了正确的索引，如果 3 个选项中的任何一个的性能几乎相同，则性能明智。

【讨论】：

你确定第二个没有被规范化吗？【参考方案3】：

选项 2 进行了一些修改。假设您将输入限制为标签表中包含的值，那么您就可以针对不同目的执行两个不同的查询。

第一个查询将为您提供所有当前使用的标签的唯一列表。

第二个查询将为您提供所有可能使用的标签，包括尚未使用的标签。

您最好使用标签 ID 并在 tag 和 article_tags 表之间建立关系。这将使选项二更有效，因为索引只是一个整数而不是字符串。

【讨论】：

整数比字符串更高效？一般来说。视大小而定。目前我有第二种情况，但使用的是 TagID int 和 Tagtext，每次查询后都必须删除所有使用过的标签，这很烦人。【参考方案4】：

回答标题中的基本问题：DISTINCT 通常意味着对数据进行排序。根据索引，查询的结构和返回的数据量可能是免费的（标签文本上的正确索引，ORDER BY tagtext，小返回集）或不是（缺少索引，订单无关，大量返回集）。