sql - 如何加快寻找传递闭包根节点的查询？

Question

我有一个代表树的历史传递闭包表。

create table TRANSITIVE_CLOSURE
  (
    CHILD_NODE_ID number not null enable,
    ANCESTOR_NODE_ID number not null enable,
    DISTANCE number not null enable,
    FROM_DATE date not null enable,
    TO_DATE date not null enable,
    constraint TRANSITIVE_CLOSURE_PK unique (CHILD_NODE_ID, ANCESTOR_NODE_ID, DISTANCE, FROM_DATE, TO_DATE)
  );

以下是一些示例数据:

CHILD_NODE_ID | ANCESTOR_NODE_ID | DISTANCE 
--------------------------------------------
1             | 1                | 0
2             | 1                | 1
2             | 2                | 0
3             | 1                | 2
3             | 2                | 1
3             | 3                | 0

不幸的是，我当前查找根节点的查询会导致全表扫描:

select *
from transitive_closure tc
where 
  distance = 0
  and not exists (
  select null
  from transitive_closure tci
  where tc.child_node_id = tci.child_node_id
    and tci.distance <> 0
);

从表面上看，它看起来并不太昂贵，但是当我接近 100 万行时，这个特定的查询开始变得令人讨厌......尤其是当它是一个 View 的一部分时，它会捕获邻接树以获得遗留支持。

有没有更好的方法来找到传递闭包的根节点？我想重写我们所有的旧遗留代码，但我不能......所以我需要以某种方式构建邻接列表。获取除根节点之外的所有内容都很容易，那么有没有更好的方法？我是否以错误的方式思考这个问题？

对具有 800k 行的表的查询计划。

OPERATION                                  OBJECT_NAME        OPTIONS         COST 
SELECT STATEMENT                                                              2301 
  HASH JOIN                                                   RIGHT ANTI      2301 
    Access Predicates
      TC.CHILD_NODE_ID=TCI.CHILD_NODE_ID 
    TABLE ACCESS                           TRANSITIVE_CLOSURE FULL            961 
      Filter Predicates 
        TCI.DISTANCE = 1 
    TABLE ACCESS                           TRANSITIVE_CLOSURE FULL            962 
      Filter Predicates 
        DISTANCE=0

Answer 1

执行查询需要多长时间，您希望它需要多长时间？ (您通常不想使用成本进行调整。很少有人知道解释计划成本的真正含义。)

在我的慢速桌面上，查询 800K 行只需要 1.5 秒。然后在数据进入内存后 0.5 秒。你是不是变得更糟了，
还是会非常频繁地运行此查询？

我不知道你的数据是什么样的，但我猜全表扫描对于这个查询来说总是最好的。假设您的分层数据
相对较浅，即0和1的距离很多，但100的距离很少，最重要的列不会很明显。这表示
距离的任何索引条目都将指向大量 block 。使用多 block 读取一次读取整个表会便宜得多
而不是一次一个 block 地读取大量内容。

另外，你说的历史是什么意思？您可以将此查询的结果存储在物化 View 中吗？

另一个可能的想法是使用分析函数。这用排序替换了第二个表扫描。这种方法通常更快，但对我来说
查询实际上需要更长的时间，5.5 秒而不是 1.5 秒。但也许它在您的环境中会做得更好。

select * from
(
    select
        max(case when distance <> 0 then 1 else 0 end)
            over (partition by child_node_id) has_non_zero_distance
        ,transitive_closure.*
    from transitive_closure
)
where distance = 0
    and has_non_zero_distance = 0;