【数据蒋堂】第 31 期:JOIN 简化 – 维度对齐

蒋步星《JOIN 运算的简化与提速》系列技术文章。
【数据蒋堂】第 29 期:JOIN 运算剖析
【数据蒋堂】第 30 期:JOIN 简化 – 消除关联
更多敬请期待…

sjjt-31

我们先把上一期中双子表对齐例子的 SQL 写出来:

 SELECT Orders.id, Orders.customer, A.x, B.y FROM Orders
 
 LEFT JOIN (SELECT id,SUM(price) x FROM OrderDetail GROUP BY id ) A ON Orders.id=A.id
 
 LEFT JOIN (SELECT id,SUM(amount) y FROM OrderPayment GROUP BY id ) B ON Orders.id=B.id
 
 WHERE A.x > B.y

那么问题来了,这显然是个有业务意义的 JOIN,它算是前面所说的哪一类呢?

这个 JOIN 涉及了表 Orders 和子查询 A 与 B,仔细观察会发现,子查询带有 GROUP BY id 的子句,显然,其结果集将以 id 为主键。这样,JOIN 涉及的三个表(子查询也算作是个临时表)的主键是相同的,它们是一对一的同维表,仍然在前述的范围内。

但是,这个同维表 JOIN 却不能用上一期说的写法简化,子查询 A,B 都不能省略不写。

可以简化书写的原因在于:我们假定事先知道数据结构中这些表之关联关系。用技术术语的说法,就是知道数据库的元数据(metadata)。而对于临时产生的子查询,显然不可能事先定义在元数据中了,这时候就必须明确指定要 JOIN 的表(子查询)。

不过,虽然 JOIN 的表不能省略,但关联字段总是主键,已经在 GROUP BY 中写过了,就没有必要再写一遍了;而且,子查询的主键总是由 GROUP 产生,而 GROUP BY 的字段一定要被选出用于做外层 JOIN,也没必要在 GROUP 和 SELECT 中各写一次;并且这几个子查询涉及的子表是互相独立的,它们之间不会再有关联计算了,我们就可以把 GROUP 动作以及聚合式直接放到主句中,从而消除一层子查询:

 SELECT Orders.id, Orders.customer, OrderDetail.SUM(price) x, OrderParyment.SUM(amount) y
 
 FROM Orders LEFT JOIN OrderDetail GROUP BY id LEFT JOIN OrderPayment GROUP BY id
 
 WHERE A.x > B.y

这里的 JOIN 和 SQL 定义的 JOIN 运算已经差别很大,完全没有笛卡尔积的意思了。而且,也不同于 SQL 的 JOIN 运算将定义在任何两个表之间,这里的 JOIN,OrderDetail 和 OrderPayment 以及 Orders 都是向共同的主键 id 靠拢,即所有表都向某一套基准维度对齐。而由于各表的维度(主键)不同,对齐时可能会有 GROUP BY,在引用该表字段时就会相应地出现聚合运算。OrderDetail 和 OrderPayment 甚至 Orders 之间都不直接发生关联,在书写运算时当然就不用关心它们之间的关系,甚至不必关心另一个表是否存在。而 SQL 那种笛卡尔积式的 JOIN 则总要找一个甚至多个表来定义关联,一旦减少或修改表时就要同时考虑关联表,增大理解难度。

我们称这种 JOIN 称为维度对齐,它并不超出我们前面说过的三种 JOIN 范围,但确实在语法描述上会有不同,这里的 JOIN 不象 SQL 中是个动词,却更象个连词。而且,和前面三种基本 JOIN 中不会或很少发生 FULL JOIN 的情况不同,维度对齐的场景下 FULL JOIN 并不是很罕见的情况。

虽然我们从主子表的例子抽象出维度对齐,但这种 JOIN 并不要求 JOIN 的表是主子表(事实上从上一篇的语法可知,主子表运算还不用写这么麻烦),任何多个表都可以这么关联,而且关联字段也完全不必要是主键或主键的部分。

设有合同表,回款表和发票表:

Contract 合同表

id 合同编号
date 签订日期
customer 客户
price 合同金额

Payment 回款表

seq 回款序号
date 回款日期
source 回款来源
amount 金额

Invoice 发票表
code            发票编号
date            开票日期
customer   客户
amount      开票金额

现在想统计每一天的合同额、回款额以及发票额,就可以写成:

 SELECT Contract.SUM(price), Payment.SUM(amount), Invoice.SUM(amount)
 
 FROM Contract GROUP BY date FULL JOIN Payment GROUP BY date FULL JOIN Invoice GROUP BY date

这几种 JOIN 情况还可能混合出现。

延用上面的合同表,再有客户表和销售员表

Customer 客户表
|—|—|
|id| 客户编号 |
|name| 客户名称 |
|area| 所在地区 |
|…|…|

Sales 销售员表

id 员工编号
name 姓名
area 负责地区

其中 Contract 表中 customer 字段是指向 Customer 表的外键。

现在我们想统计每个地区的销售员数量及合同额:

 SELECT Sales.COUNT(1), Contract.SUM(price)
 
 FROM Sales GROUP BY area FULL JOIN Contract GROUP BY customer.area

维度对齐可以和外键属性化的写法配合合作。

这些例子中,最终的 JOIN 都是同维表。事实上,维度对齐还有主子表对齐的情况,不过相对罕见,我们将在后续仔细讲解维度概念时再涉及,上述写法中其实还有个小漏洞,有了明确的维度定义后才能将这个漏洞补上。

《JOIN 运算的简化与提速》直播地址:https://edu.hellobi.com/course/197/lessons  (章节 2)