这是一个数据科学面试问题。
我对子查询的理解是,特别是在相关子查询中,依赖于外部查询,相关子查询需要外部查询向其传递多个或一个值,然后才能解析子查询。这意味着您需要更多次地处理子查询,外部查询中的每一行都需要处理一次。
特别是,在这种情况下,如果内部查询和外部查询分别返回M行和N行,则总运行时间可能为O(M*N)
因此,一般来说,这就是为什么运行子查询可能会很慢的原因,但我是否遗漏了与连接子查询相关的任何其他东西?此外,我也不确定可以做些什么来让它更快。
当然,我会感谢任何提示或帮助。
谢谢!
发布于 2015-07-30 21:24:39
我认为你的答案应该是正确的:如果子查询是相关的,那么它们就会很慢。不相关的子查询仅计算一次。
可以做什么来加速:相关子查询可以重写为joins!而且join查询可以执行得更快!
如果您使用良好的RDBMS,优化器通常能够将相关子查询重写为连接查询(但是,并非适用于所有情况)。然而,如果你使用简单的RDBMS,要么根本没有优化器,要么优化器不是很高级(例如,不能将子查询解嵌到连接查询中)。对于这些情况,您需要手动重写查询。
发布于 2015-07-30 22:19:44
哇--这是一个多么开放的问题!我不确定他们想让你想得有多离谱,但有一些可能的原因:
标准过于宽泛
查询的条件可能过于宽泛,您可以添加额外的子句来减少RDBMS必须处理的数据量。
缺少索引
如果相关列上没有任何索引,RDBMS可能不得不求助于全表扫描,这可能会很慢。
陈旧统计信息
如果统计数据有一段时间没有更新,RDBMS可能无法全面了解数据的偏差,这可能会对执行时间产生很大影响。
数据库的物理排列
如果索引和表位于同一物理驱动器上,则可能会造成IO争用。
并行性
RDBMS可能没有正确地设置为并行,这意味着RDBMS可能没有充分利用可用的硬件。
调度
运行查询的时间可能会影响执行时间。查询是否会在几个小时内运行得更好?
数据更改
数据更改可能会影响数据的倾斜,在极少数情况下会创建笛卡尔。在大型数据库中,应该有行级别的数据的完全可追溯性,至少是为了追踪数据问题。
锁定
与高级别使用相关的是锁定问题。如果您需要干净的读取,那么在所需数据上可能存在争用,这可能会减慢查询速度。
误导性执行计划
您可能已经取消了执行计划,但这些计划并不总是能说明全部情况。成本是CPU和IO的函数,但您的系统可能更多地受到其中一个的约束。一些RDBMS的设置可以迫使优化器将成本偏向一边或另一边,以生成更好的计划。
未缓存的静态数据
如果你有一些每次都要重新计算的静态数据,这会影响成本。这些数据应该存储在索引表或临时表中,以减少RDBMs需要处理的处理量。
查询太复杂了
虽然查询可以很好地扫描到您,但如果您可以使用临时表或类似表将其分解为块,这将显著提高性能。
我将到此为止,因为我可以轻松地花一天的剩余时间来补充这一点,但希望这能给你带来一些味道。
https://stackoverflow.com/questions/31724903
复制相似问题