为什么Redshift不支持‘t相关子查询？

Question

众所周知，RedShift有一组相关子查询，它可以解除这些子查询的关联，从而使查询运行得更快。

为什么Redshift不能解除公共DOES NOT EXIST子查询的关联？例如，下面的查询实质上是：

SELECT ProductID,
       ProductName
FROM   Products p
WHERE  NOT EXISTS (SELECT *
                   FROM   [Order Details] od
                   WHERE  p.ProductId = od.ProductId) 

有人能解释一下为什么Redshift不能解除这个查询的关联吗？

Answer 1

我不明白为什么会做出这样的决定，但这可能是因为效率。执行NOT EXISTS意味着数据库必须扫描整个子查询来查找不存在的记录。这是非常低效的，应该尽可能避免--特别是在处理大数据时。

我注意到您正在从Orders检索所有列，其中只需要ProductId。考虑到Redshift是一个列式数据库，选择所需的最小列数会更有效。

看起来您正在尝试查找任何订单上都不存在的产品，因此请尝试：

SELECT
  ProductID,
  ProductName
FROM
  Products
WHERE
  ProductID NOT IN (SELECT DISTINCT ProductId from Orders)

在英语中，这是“选择任何不在订单上的产品”。

Answer 2

我在RedShift documentation中看不到任何排除这一点的东西。但是，将其表示为LEFT JOIN非常容易。

SELECT p.*
FROM Products p LEFT JOIN
     [Order Details] od
     ON p.ProductId = od.ProductId
WHERE od.ProductId IS NULL;

至于为什么亚马逊选择了特定的功能，你必须去问他们的开发人员或营销人员。

Answer 3

Redshift不是亚马逊开发的，而是通过投资ParAccel (后来被其他公司收购)而被收购的。ParAccel显然急需现金，于是把家里的银子卖给了亚马逊。

Redshift是ParAccel在投资时提供的数据库的一个子集(假定是其中的大部分，但从未明确定义)。亚马逊在这笔交易中没有获得任何工程师-只是代码。

在早期的Redshift中，我们只看到了产品很小的变化。很明显，他们正在努力安全地进行深层次的改变。他们现在有一支坚实的工程团队，对代码有丰富的了解，改进工作正在以相当快的速度进行。

所有这些实际上都是一种冗长的说法，即数据库引擎是一款极其复杂和昂贵的软件。亚马逊是出了名的“节俭”，我认为建立这个团队/经验的成本就是为什么我们没有(也不会)看到产品降价的原因。

柯特·莫纳什说：

“规则1:开发一个好的数据库管理系统需要5-7年的时间和数千万美元，如果事情进行得非常顺利的话。

规则2:你不是规则1的例外。“

http://www.dbms2.com/2013/03/18/dbms-development-marklogic-hadoop/