一、 SQL及分析

查询SQL语句如下：

select
    l_returnflag,
    l_linestatus,
    sum(l_quantity) as sum_qty,
    sum(l_extendedprice) as sum_base_price,
    sum(l_extendedprice * (1 - l_discount)) as sum_disc_price,
    sum(l_extendedprice * (1 - l_discount) * (1 + l_tax)) as sum_charge,
    avg(l_quantity) as avg_qty,
    avg(l_extendedprice) as avg_price,
    avg(l_discount) as avg_disc,
    count(*) as count_order
from
    lineitem
where
    l_shipdate <= date '1995-12-01' - interval '90' day(3)
group by
    l_returnflag,
    l_linestatus
order by
    l_returnflag,
    l_linestatus;

这是个小结果集的常规分组汇总。

二、 SPL实现

小结果集的常规分组汇总直接用groups：

A4中用@m表示生成多路游标并行计算，将过滤条件写在游标中能避免不满足条件的记录被生成。

A5中计算时，打折价格被两次使用，先计算出来赋给变量dp避免重复计算。

A6中分组完成后再做run把价税加起来，减少加法次数（分组后的记录数要远少于原表记录数）。

三、 进一步优化

1. 优化方法

1.1 日期整数化

日期型数据通常是long类型，其计算和比较都较为费时，将日期用days@o函数转换成小整数，可以提高性能。本例中的L_SHIPDATE字段是日期型数据，将它转换成一个小整数进行优化。

1.2 字符串整数化

字符串的运算相对于整数来说也更费时，如果数据表行数很多，某字符串字段的不同取值较少，可以把这些不同取值构成一个列表，把字段值替换成串值在列表中对应的序号，从而变成整数型字段以提高运算的效率。本例中的分组字段L_RETURNFLAG和L_LINESTATUS是字符串字段，它们的取值个数分别为3个和2个，可以转换成整数字段。

2. 数据转换代码

A2 计算两个字符串字段的取值列表并排序

A5 用pos@b查找相应字符串在列表中的序号，同时将L_SHIPDATE字段的值用days@o变换为小整数。

3. 数据转换后的计算代码

A1/A2 读出L_LINESTATUS、L_ RETURNFLAG字段对应的串值列表

A6 将过滤条件的日期也变换成小整数

A8 用L_ RETURNFLAG、L_LINESTATUS的值计算出一个新的分组键值gk，在groups函数中就把按2个字段分组变成按一个字段gk分组，可以加快分组的速度。分组统计值中不计算avg_qty、avg_price、avg_disc，而是在A9中通过相应的sum值和count值计算出来，可以减少分组统计中的计算量。

A9 用gk返算出L_ RETURNFLAG、L_LINESTATUS的值，并换成它们在列表中对应的串值

四、 使用企业版列式计算

1. 原始数据

A4中选项@v表示使用列式游标

列式游标中要避免在计算过程中产生新的变量，推荐使用derive方法将新变量变成新的列，如A5中所示，选项@o表示新列增加到原序表上，不产生新的。

A7中没有使用run函数，run适合用于行式序表，列式中尽量避免使用。

2. 优化后数据

A8中同时创建dp和gk两个新列

五、 测试结果

单位：秒