sql - WHERE 与 HAVING 性能与 GROUP BY

Question

所以我被分配去估计两个查询的性能并得出了一个令人惊讶的结果。我事先被告知 HAVING比 WHERE 慢因为它只在访问行后过滤结果。这似乎很合理，而且this question on SQL clause execution order加强了这一点。
但是，我根据一些假设估计了以下查询的性能，并且似乎使用了 HAVING执行实际上更快!

SELECT status, count(status)
FROM customer
GROUP BY status
HAVING status != 'Active' AND status != 'Dormant'

SELECT status, count(status)
FROM customer
WHERE status != 'Active' AND status != 'Dormant'
GROUP BY status

假设是:

表CUSTOMER有 100 000 条记录

访问一行的成本是 0.01ms (SELECT + COUNT)

执行一个子句的成本是 0.005ms

客户状态分为三种类型，上述两种和“已故”

有 15 000 个“已故”客户

基于此，我的估计是:

First query:
    Accessing all rows, FROM: 100 000 * 0.01ms = 1000ms
    GROUP BY: 100 000 * 0.005ms = 500ms
    HAVING (2 conditions, 3 groups): 2 * 3 * 0.005ms = 0.03ms
    SELECT and COUNT results: 15 000 * 0.01ms = 150ms
    Total execution time: 1.65003s

Second query:
    Accessing all the rows, FROM: 1000ms
    WHERE: 2 * 100 000 * 0.005ms = 1000ms
    GROUP BY: 15 000 * 0.005ms = 75ms
    SELECT and COUNT results: 15 000 * 0.01ms = 150ms
    Total execution time: 2.225s

结果来自GROUP BY只产生三组，很容易过滤，而WHERE必须一一浏览和过滤记录。
由于我天真地依赖权威，我假设我要么在某处犯了错误，要么提供的假设是错误的。
GROUP BY也是如此用 HAVING 表现得像这样导致执行时间减少？
编辑:查询计划

PLAN_TABLE_OUTPUT /* With HAVING */

| Id  | Operation                   | Name | Rows  | Bytes | Cost (%CPU)| Time     |
------------------------------------------------------------------------------------
|   0 | SELECT STATEMENT            |      |     5 |    35 |     4  (25)| 00:00:01 |
|*  1 |  FILTER                     |      |       |       |            |          |
|   2 |   HASH GROUP BY             |      |     5 |    35 |     4  (25)| 00:00:01 |
|   3 |    TABLE ACCESS STORAGE FULL| CUSM |     5 |    35 |     3   (0)| 00:00:01 |
------------------------------------------------------------------------------------

Predicate Information (identified by operation id):
---------------------------------------------------
1 - filter("STATUS"<>'Active' AND "STATUS"<>'Dormant')


PLAN_TABLE_OUTPUT /* With WHERE */
-----------------------------------------------------------------------------------
| Id  | Operation                  | Name | Rows  | Bytes | Cost (%CPU)| Time     |
-----------------------------------------------------------------------------------
|   0 | SELECT STATEMENT           |      |     1 |     7 |     4  (25)| 00:00:01 |
|   1 |  HASH GROUP BY             |      |     1 |     7 |     4  (25)| 00:00:01 |
|*  2 |   TABLE ACCESS STORAGE FULL| CUSM |     1 |     7 |     3   (0)| 00:00:01 |
-----------------------------------------------------------------------------------

Predicate Information (identified by operation id):
---------------------------------------------------
2 - storage("STATUS"<>'Active' AND "STATUS"<>'Dormant')
    filter("STATUS"<>'Active' AND "STATUS"<>'Dormant')

Answer 1

事情是这样的:

根据Oracle执行计划，两个查询都在执行全表扫描。也就是说，他们正在阅读 所有行 表的。那里没有区别。

HAVING 查询执行 GROUP BY(散列)，结果为 3 行。然后，它将过滤器应用于这 3 行，并返回结果。

WHERE 查询在读取后将过滤器应用于每一行(规范中的 100,000)，将它们减少到 15,000。最后，它将这些(散列)分组为 1 行，并返回一行。

我认为在您所描述的情况下，WHERE 查询将过滤器应用于所有 100,000 行，而 HAVING 查询推迟过滤器并仅将其应用于 3 行。这使得 HAVING 查询更快。

现在，不要假设此结果将适用于您这样的每个查询。 Oracle 在使用表统计信息方面非常聪明。计划将来会根据您添加到表中的真实数据而改变。 5 行的计划绝不代表 100,000 行的计划。

对这个结果持保留态度。现实世界的场景要复杂得多。