时间戳

首页 > 解决方案 > SnowFlake 在 group by vs partition on vs distinct 上的表现

database - SnowFlake 在 group by vs partition on vs distinct 上的表现

问题描述

我在雪花中有一张桌子。表中的一列称为obj_key（对象键）。表大小非常大（以 TB 为单位），因此需要性能。

现在，每次对对象进行更新时，都会向表中添加一个新条目。新插入的行在列中具有相同obj_key但不同的条目time_modified。假设我想obj_key在某些条件下从表中获取不同的数据。

我有三种方法：

方法一：

SELECT obj_key 
FROM my_table
WHERE some_condition
GROUP BY obj_key;

方法二：

SELECT distinct(obj_key) 
FROM my_table
WHERE some_condition;

方法3：

SELECT obj_key
FROM my_table
WHERE some_condition
QUALIFY ROW_NUMBER() OVER (PARTITION BY obj_key ORDER BY obj_key) = 1;

所以基本上我的问题归结为这些：

我已经读过，distinct在多个列上是由group_by(col1, col2, ..., col n). 那么两者的性能有何不同（如果有的话）？

既然PARTITION BY还需要一个ORDER BY，它不会大大降低性能吗？

如果有人能提供这些查询如何在 SnowFlake 上运行的细节，我会很高兴。

标签： databasegroup-bydistinctsnowflake-cloud-data-platformpartition-by

解决方案

根据 Snowflake 的基数期望，前两个查询可以使用相同的执行计划执行。

您的第三种方法将使用窗口函数运算符，并且可能需要更多时间。

由于您拥有数据集，我强烈建议您进行自己的测试，并观察执行计划和性能：

https://docs.snowflake.com/en/user-guide/ui-query-profile.html#how-to-access-query-profile

实际上，我用 SNOWFLAKE_SAMPLE_DATA 数据库做了一些测试，我可以看到前两个查询以相同的执行计划执行，并且比第三个查询执行得更好。

推荐阅读