sql - 如何在具有大量记录的表中优化分组依据

Question

我有一个包含大量记录(大约 1600 万条)的 Person 表，并且需要找到所有具有相同 lastname 的人。 , firstname的首字母和 birthyear ，在其他世界中，我想在 UI 中显示假设重复的人，供用户分析和决定是否存在同一个人。

这是我写的查询

SELECT * 
FROM Person INNER JOIN
(
    SELECT SUBSTRING(firstName, 1, 1) firstNameF,lastName,YEAR(birthDate) birthYear
    FROM Person
    GROUP BY SUBSTRING(firstName, 1,1),lastName,YEAR(birthDate)
    HAVING count(*) > 1
) as dupPersons 
ON SUBSTRING(Person.firstName,1,1) = dupPersons.firstNameF and Person.lastName = dupPersons.lastName and YEAR(Person.birthDate) = dupPersons.birthYear
order by Person.lastName,Person.firstName

但由于我不是 SQL 专家，我也想知道，这是不是这样做的好方法？有更优化的方法吗？

编辑

请注意，我可以切割数据，这可以对优化做出贡献

例如，如果我想将数据减少 2，它可以返回两个人

Johan Smith |
Jane Smith  | have same lastname and first name inita 
Jack Smith  |

Mark Tween  | have same lastname and first name inita 
Mac Tween   |

Answer 1

如果性能使用GROUP BY不够用，您可以尝试使用 INNER JOIN

SELECT  *
FROM    Person p1
        INNER JOIN Person p2 ON p2.PersonID > p1.PersonID
WHERE   SUBSTRING(p2.Firstname, 1, 1) = SUBSTRING(p1.Firstname, 1, 1) 
        AND p2.LastName = p1.LastName
        AND YEAR(p2.BirthDate) = YEAR(p1.BirthDate)
ORDER BY
        p1.LastName, p1.FirstName