选择未聚合的变量，功能上依赖于分组变量

Question

背景

我正在一个非常受限的 T-SQL 环境中工作，在该环境中，人们只能定义

VIEW

的“主体”：大概是

...

中的

CREATE VIEW My_View AS ...

在引擎盖下。这是我的

@@VERSION

:

Microsoft SQL Server 2019 (RTM-CU19) (KB5023049) - 15.0.4298.1 (X64)
2023 年 1 月 27 日 16:44:09
版权所有 (C) 2019 微软公司
Linux (Amazon Linux 2) 上的网络版（64 位）

我应该注意，这些表格是从“平面文件”同步的，因此，原始来源中没有保留“正式”原理图结构。也就是说，所有“功能依赖关系”都只是从列名称和业务概念推断（尽管可靠）。 问题 假设我有下表，名为

My_Measures

...

人员_ID姓名1格雷格格雷格德文郡德文郡...其中 Name

测量
0		1
10		2
20		2
30

在功能上依赖于

Person_ID

。

平常现在假设我希望将

Measure

聚合

为每个人的各种汇总统计数据。这在 SQL 中很简单...

SELECT
    Person_ID,
    MIN(Measure) AS Min_Measure,
    MAX(Measure) AS Max_Measure,
    AVG(Measure) AS Avg_Measure
FROM 
    My_Measures
GROUP BY 
    Person_ID

...并产生以下结果：

人员_ID最小_测量1020扭曲

最大测量值	平均_测量
10	5		2
30	25

但是假设我希望在每个

Name

旁边包含

Person_ID

，如下所示：

人员_ID姓名1格雷格德文郡显然，以下尝试...

最小_测量	最大测量值	平均_测量
0	10	5		2
20	30	25

SELECT
    Person_ID,
--  ⌄⌄⌄⌄⌄
    Name,
--  ^^^^^
    MIN(Measure) AS Min_Measure,
    MAX(Measure) AS Max_Measure,
    AVG(Measure) AS Avg_Measure
FROM 
    My_Measures
GROUP BY 
    Person_ID

...将因以下错误而失败：

列“My_Measures.Name”在选择列表中无效，因为它未包含在聚合函数或 GROUP BY 子句中。

尝试

我找到了几种

un

令人满意的方法来产生预期的输出。

(1) GROUP BY 因变量

一种方法是

GROUP BY

Name

列

after

Person_ID

；更一般地说，将因变量附加在 GROUP BY 子句的

end

处：

SELECT
    Person_ID,
--  ⌄⌄⌄⌄⌄
    Name,
--  ^^^^^
    MIN(Measure) AS Min_Measure,
    MAX(Measure) AS Max_Measure,
    AVG(Measure) AS Avg_Measure
FROM
    My_Measures
GROUP BY
--           ⌄⌄⌄⌄⌄⌄
    Person_ID, Name
--           ^^^^^^

这使得分组保持不变，因为“真实”分组变量（此处

Person_ID

）已经定义了它，而因变量只是“标记”。然而，这会浪费处理（任意多个）因变量的性能，出于索引目的，这些因变量可能会更复杂（

CHAR

字符串表示

Name

）。(2)“聚合”因变量另一种方法是“聚合”

Name

列，使用一些函数（如

MIN()

）为我们提供来自许多相同重复项（如

'Greg'

）的一个代表值（如

('Greg', 'Greg')

）。

SELECT
    Person_ID,
--  ⌄⌄⌄⌄⌄⌄⌄⌄⌄⌄⌄⌄⌄⌄⌄⌄⌄⌄⌄⌄⌄⌄
    MIN(Name)    AS Name,
--  ^^^^^^^^^^^^^^^^^^^^^
    MIN(Measure) AS Min_Measure,
    MAX(Measure) AS Max_Measure,
    AVG(Measure) AS Avg_Measure
FROM 
    My_Measures
GROUP BY 
    Person_ID

这同样达到了预期的结果，但同样浪费了计算许多相同值的聚合的性能。此外，它只适用于

comparable

 并因此具有 

MIN()

的值；但对于非可比较的数据类型来说，它显然会失败。

(3) 聚合后重新JOIN

也许最令人失望的方法是简单地计算聚合，然后通过

Person_ID

:

将

Name

与其

JOIN

重新关联

-- Aggregate by ID.
WITH agg AS(
    SELECT
        Person_ID,
        MIN(Measure) AS Min_Measure,
        MAX(Measure) AS Max_Measure,
        AVG(Measure) AS Avg_Measure
    FROM 
        My_Measures
    GROUP BY 
        Person_ID
    
-- Deduplicate names for the JOIN. Given functional dependency, DISTINCT suffices.
), msr AS (
    SELECT DISTINCT
        Person_ID,
        Name
    FROM My_Measures
    
-- Reassociate the names with their IDs.
) SELECT
    agg.Person_ID   AS Person_ID,
--  ⌄⌄⌄⌄⌄⌄⌄⌄⌄⌄⌄⌄⌄⌄⌄⌄⌄⌄⌄⌄⌄⌄⌄⌄⌄
    msr.Name        AS Name,
--  ^^^^^^^^^^^^^^^^^^^^^^^^
    agg.Min_Measure AS Min_Measure,
    agg.Max_Measure AS Max_Measure,
    agg.Avg_Measure AS Avg_Measure
FROM
--      ⌄⌄⌄⌄⌄⌄⌄⌄⌄⌄⌄⌄⌄⌄⌄
    agg INNER JOIN msr
--      ^^^^^^^^^^^^^^
    ON agg.Person_ID = msr.Person_ID

显然，这在不必要的

JOIN

和多个CTE上浪费了大量资源，所有这些都是为了

恢复

我们最初

拥有

的数据（如

Name）！

(4) 将 

FIRST_VALUE() 越过 PARTITION

我在 T-SQL 中搜索了 R 中 

first()

函数的等效项。在 SQL 中，这样的

FIRST() 只需从许多相同的重复值 (

) 中选择非常 

first 值 (

'Greg'

) ('Greg', 'Greg')）在GROUP

内，不需要任何昂贵的计算。此外，无论可比性如何，这都会起作用。

我偶然发现了 

FIRST_VALUE()

函数，但这似乎每次使用都需要一个 PARTITION

，而且——由于我对优化

PARTITION 相对缺乏经验——我担心如果

很多的话会对性能产生影响

因变量必须是 SELECT

ed。

它看起来也很丑。 ́\

(ツ)/́

问题

将任意一组因变量（如

SELECT）与分组变量（如Name

）一起使用的最佳方法是什么？请优先考虑

性能

，但也要考虑

优雅

和

规范性

，最后是

可扩展性

：理想情况下，这应该适用于

所有数据类型，甚至是非可比较的数据类型。 Person_ID