select * from (
    select
        c_name, c_custkey, o_orderkey, o_orderdate, o_totalprice,
        sum(l_quantity)
    from
        customer, orders, lineitem
    where
        o_orderkey in (
            select
                l_orderkey
            from
                lineitem
            group by
                l_orderkey
            having
                sum(l_quantity) > 314
        )
        and c_custkey = o_custkey
        and o_orderkey = l_orderkey
    group by
        c_name,
        c_custkey,
        o_orderkey,
        o_orderdate,
        o_totalprice
    order by
        o_totalprice desc,
        o_orderdate
) where rownum<=100;

分析这个查询，如果将下面的子查询

select 
    l_orderkey, sum(l_quantity) lq
from 
    lineitem
group by 
    l_orderkey

l_orderkey

命名为视图 lo，则原查询的主体等价于：

select * from (
    select
        c_name, c_custkey, o_orderkey, o_orderdate, o_totalprice, lq
    from
        customer, orders, lo
    where
        c_custkey = o_custkey
        and o_orderkey = l_orderkey
        and lq > 314
    order by
        o_totalprice desc,
        o_orderdate
) where rownum<=100;

视图 lo 是分组聚合运算，结果可以看成以 l_orderkey 为主键的表。这样，主查询就相当于是事实表 orders、lo 关联后，再关联维表 customer，最后计算条件过滤和排序。

1. 数据存储

orders、lineitem 按照主键有序存储，可以实现有序归并。customer 表也按照主键有序存储。

继续使用题目 Q3 中的 orders.ctx、lineitem.ctx 和 customer.ctx，复制到本题的主目录中。

2. 一般实现

orders 和 lo 都对主键 orderkey 有序，相当于同维表，可以做有序归并连接。

有序归并、汇总后取前 100 名的结果集相当于小事实表，最后和 customer 连接，要采用前面题目介绍过的，大维表查找的计算方法。

计算代码：

A8 中用前面题目介绍过的 joinx@q 函数，对 A6 结果的 O_CUSTKEY 去重，在 customer 表中批量查找。

测试结果：

需要说明的是，维表 customer 在 A7 之前的事实表有序归并计算中并不出现。A7 之后的连接则是大维表查询计算。整个过程中都不能利用维表主键序号化手段，这个题目就没有必要做数据转换方面的性能提速了。

3. 列式计算

在事实表有序归并、大维表查找基础上，实施列式计算。

计算代码：

A3 得到列式游标。

A4 中 group 函数进行列式计算后，select 函数加上 @v 选项也使用列式计算，结果返回列式游标。

测试结果：