【性能优化】7.4 [归并与连接] 附表
7.4 附表
某个事实表可能随意和多个维表建立外键关联，甚至和同一个维表建立多个外键关联，但基于双方主键建立的同维关联和主子关联就没有这么随意。
同维关联是一种等价关系（A 与 B 同维则 B 与 A 同维，A 与 B 同维且 B 与 C 同维则 A 也与 C 同维），可以用同维关系把所有数据表分成若干组，同一组内互相同维关联，而不会和组外的表有同维关联。也就是说，如果要进行同维关联，一定在这些表之间发生。这些同组的同维表中，通常有一个是最大的，它的主键值是完整的，其它同维表的主键值都是它的子集。比如客户表中会有全部的客户主键值，VIP 客户表中只有部分客户主键值但会有 VIP 客户的更多属性。
主子关联略复杂一些，但也会有一定的固定性，合理的数据结构设计中，子表只会和唯一的主表建立主子关联，比如订单明细表的主表只有订单表，不会再以另一个表为主表。从子表上看到的主表是唯一的。
基于这种认识，我们可以把同组的同维表和主子表绑在一起存储。
对于同一组的同维表，先找出主键值完整的那个表，称为基表，其它同维表称为附表。基表建立好之后，附表的字段就作为基表记录的附加字段存储，也可以认为是基表的字段，只是这些字段对于很多记录是没有值的。
主子表关系时，以主表为基表，子表作为附表。子表的字段也作为主表记录的附加字段。不同的是，这些附加字段的取值是个集合，而且来自同一个子表的附加字段，其取值集合的长度是相同的（作为同一个主表记录的附加字段时）。同样的，这些附加字段也可能没有值。
由于同维关联和主子关联的相对固定性，绑定存储不会影响其关联关系，也不会影响和其它表的外键关联。
这样做在性能方面的好处如下几点：
1) 基表和附表有共同的主键，把附表字段作为基表记录的附加字段存储时，只要有一套主键存储就可以了，不需要再多存储附表（与基表关联的）主键了，存储量会更小。采用列存方式时，关联时要能读取的数据量也变少了。
2) 附表字段可以作为基表记录的附加字段直接被引用（来自子表的字段是个集合，引用方式会不同），不需要再做去关联比对了，计算量会变小。特别地，如果基表被过滤了，附表会自然会过滤，不需要再使用上节说的关联定位方法。反过来也成立。
3) 附表字段作为基表记录的字段，和基表记录绑在一起，分段时天然同步的，不需要再做特殊的跟随分段。
不过，这种存储方式也有坏处，因为存储方案变得更复杂了，在引用附加字段时会有不少额外的判断。
通常在主键及关联较为复杂时，比如主键字段有多个，或主子关联的 1:N 比例中 N 更大（意味着常规关联时会有更多的对比），使用附表方案就会有更大的优势。单一简单主键的同维表关联时，优势不太明显，甚至可能会有劣势。
理论上，主子关联关系时的附表还可以再有附表，但不太常见了。
我们下面用主子表为举例。
SPL 在组表上实现了附表功能，需要在创建组表指定附加字段。
A |
|
1 |
=file("orders.ctx").open().cursor() |
2 |
=file("details.ctx").open().cursor() |
3 |
=file("order_detail.ctx").create(#ID,…) |
4 |
=A3.attach(detail,#seq,…) |
5 |
=A3.append@i(A1) |
6 |
=A4.append@i(A2) |
A3 创建一个常规的组表，A4 在 A3 附加一个附表，会有一个名字及附表的字段，对于子表还要设计自己的主键（和主表共同的主键不需要再写了），然后和普通数据表一样追加数据，SPL 会根据使用子表的主键把记录附加到正确的主表记录上。需要注意，基表和附表除了主键外，不能有同名的字段，否则会发生混淆。
正因为组表是基表和附表的组合，才称为组表。我们把组表中的基表和附表称为实表。
创建好有附表的组表后，就可以在运算中引用附表的字段了。
A |
|
1 |
=file("order_detail.ctx").open() |
2 |
=A1.cursor(dt,detail.sum(quantity):quantity) |
3 |
=A2.groups(dt;sum(quantity)) |
quantity 是附表 detail 的字段，因为是子表，所以取值是集合，从主表引用时需要加上聚合运算。
也可以再还原出子表的记录：
A |
|
1 |
=file("order_detail.ctx").open() |
2 |
=A1.cursor(dt,detail{price,quantity}:amount) |
3 |
=A2.run(amount=amount.sum(price*quantity)) |
4 |
=A3.groups(dt;sum(amount)) |
因为子表记录是多个，还原之后将作为主表游标的一个字段，其取值是一个序表。生成序表等动作比较复杂，这样做会损失性能，有可能抵消减少关联带来的优势。
还可以从附表来引用基表字段：
A |
|
1 |
=file("order_detail.ctx").open().attch(detail) |
2 |
=A1.cursor(dt,price,quantity) |
3 |
=A2.groups(dt;sum(price*quantity)) |
引用基表字段时直接写就可以了，性能会比上面那种生成序列字段的方法更好。
这些运算都可以支持多路游标。
需要提起注意的是，我们在讲这些关联算法时，常常会说不一定总能做到性能更优。关联是个较复杂的运算，其优化算法的实现代码也很复杂。虽然从理论分析上看，这些算法大都能降低运算复杂度，但实际写出来的代码很复杂时，工程上的影响也不能被忽略。
这些算法都经过实际测试的验证，在某些场景下确实能起到优化性能的作用，但并不是所有场景。具体使用哪种算法，要在熟悉这些算法后再因地制宜地选择。
