好吧,我对此投了反对票,所以我决定测试一下:
CREATE TABLE userrole (
userid INT,
roleid INT,
PRIMARY KEY (userid, roleid)
);
CREATE INDEX ON userrole (roleid);
运行这个:
<?php
ini_set('max_execution_time', 120); // takes over a minute to insert 500k+ records
$start = microtime(true);
echo "<pre>\n";
mysql_connect('localhost', 'scratch', 'scratch');
if (mysql_error()) {
echo "Connect error: " . mysql_error() . "\n";
}
mysql_select_db('scratch');
if (mysql_error()) {
echo "Selct DB error: " . mysql_error() . "\n";
}
$users = 200000;
$count = 0;
for ($i=1; $i<=$users; $i++) {
$roles = rand(1, 4);
$available = range(1, 5);
for ($j=0; $j<$roles; $j++) {
$extract = array_splice($available, rand(0, sizeof($available)-1), 1);
$id = $extract[0];
query("INSERT INTO userrole (userid, roleid) VALUES ($i, $id)");
$count++;
}
}
$stop = microtime(true);
$duration = $stop - $start;
$insert = $duration / $count;
echo "$count users added.\n";
echo "Program ran for $duration seconds.\n";
echo "Insert time $insert seconds.\n";
echo "</pre>\n";
function query($str) {
mysql_query($str);
if (mysql_error()) {
echo "$str: " . mysql_error() . "\n";
}
}
?>
Output:
499872 users added.
Program ran for 56.5513510704 seconds.
Insert time 0.000113131663847 seconds.
这会增加 500,000 个随机用户角色组合,并且大约有 25,000 个符合所选条件的组合。
第一个查询:
SELECT userid
FROM userrole
WHERE roleid IN (1, 2, 3)
GROUP by userid
HAVING COUNT(1) = 3
查询时间:0.312s
SELECT t1.userid
FROM userrole t1
JOIN userrole t2 ON t1.userid = t2.userid AND t2.roleid = 2
JOIN userrole t3 ON t2.userid = t3.userid AND t3.roleid = 3
AND t1.roleid = 1
查询时间:0.016s
这是正确的。我建议的加入版本是比聚合版本快二十倍。
抱歉,我这样做是为了在现实世界中生活和工作,在现实世界中我们测试 SQL,结果不言而喻。
这其中的原因应该是很清楚的。聚合查询的成本将随着表的大小而变化。每行都经过处理、聚合和过滤(或不通过)HAVING
条款。连接版本将(使用索引)根据给定角色选择用户子集,然后对照第二个角色检查该子集,最后对照第三个角色检查该子集。每个选择 http://en.wikipedia.org/wiki/Selection_(relational_algebra) (in 关系代数 http://en.wikipedia.org/wiki/Relational_algebra术语)适用于越来越小的子集。由此你可以得出结论:
连接版本的性能变得更好,匹配发生率更低。
如果只有 500 个用户(在上面的 50 万个示例中)具有三个指定的角色,则加入版本将显着加快。聚合版本不会(并且任何性能改进都是传输 500 个用户而不是 25k 个用户的结果,加入版本显然也得到了 25k)。
我也很好奇真正的数据库(即 Oracle)将如何处理这个问题。因此,我基本上在 Oracle XE 上重复了相同的练习(与上一个示例中的 MySQL 在同一台 Windows XP 桌面计算机上运行),结果几乎相同。
连接似乎不受欢迎,但正如我所演示的,聚合查询可能会慢一个数量级。
Update:经过一些广泛的测试后,情况变得更加复杂,答案将取决于您的数据、数据库和其他因素。这个故事的寓意是测试、测试、测试。