sql - 如何加速对未索引表的基于组的重复计数查询

Question

当我需要知道对于某些 c 列，包含超过 n 个重复项的行数时，我可以这样做:

WITH duplicateRows AS (
    SELECT COUNT(1)
    FROM [table]
    GROUP BY c
    HAVING COUNT(1) > n
) SELECT COUNT(1) FROM duplicateRows

这会导致不希望的行为:SQL Server 计算所有按 i 分组的行，这(当此表上没有索引时)会导致糟糕的性能。

但是，当更改脚本使得 SQL Server 不必计算所有行时并不能解决问题:

WITH duplicateRows AS (
    SELECT 1
    FROM [table]
    GROUP BY c
    HAVING COUNT(1) > n
) SELECT COUNT(1) FROM duplicateRows

虽然现在SQL Server理论上可以在n + 1之后停止计数，但是会导致查询计划和查询成本相同。

当然，原因是GROUP BY真正引入的是成本，而不是计数。但我对数字一点也不感兴趣。在没有索引的表上是否有另一种方法可以加快重复行的计数？

Answer 1

查询中最大的两个成本是 GROUP BY 的重新排序(由于缺少适当的索引)和扫描整个表这一事实。

不幸的是，要识别重复项，对整个表重新排序是成本最低的选择。

您可能会从以下更改中获益，但我非常怀疑它是否重要，因为我预计执行计划无论如何都会再次涉及排序。

WITH
  sequenced_data AS
(
  SELECT
    ROW_NUMBER() OVER (PARTITION BY fieldC) AS sequence_id
  FROM
    yourTable
)
SELECT
  COUNT(*)
FROM
  sequenced_data
WHERE
  sequence_id = (n+1)

假设 SQLServer2005+