Parte del mio carico di lavoro utilizza una funzione CLR che implementa l'algoritmo hash spettrale per confrontare le righe per vedere se i valori di una colonna sono cambiati. La funzione CLR accetta una stringa binaria come input, quindi ho bisogno di un modo rapido per convertire le righe in una stringa binaria. Mi aspetto di eseguire l'hashing di circa 10 miliardi di righe durante l'intero carico di lavoro, quindi vorrei che questo codice fosse il più veloce possibile.
Ho circa 300 tabelle con schemi diversi. Ai fini di questa domanda, si prega di assumere una struttura di tabella semplice di 32 nullableINT colonne . Ho fornito dati di esempio e un modo per confrontare i risultati in fondo a questa domanda.
Le righe devono essere convertite nella stessa stringa binaria se tutti i valori di colonna sono uguali. Le righe devono essere convertite in stringhe binarie diverse se qualsiasi valore di colonna è diverso. Ad esempio, il codice semplice come il seguente non funzionerà:
CAST(COL1 AS BINARY(4)) + CAST(COL2 AS BINARY(4)) + ..Non gestisce correttamente i NULL. If COL1è NULL per la riga 1 eCOL2 è NULL per la riga 2, entrambe le righe verranno convertite in una stringa NULL. Credo che la corretta gestione dei NULL sia la parte più difficile della conversione corretta dell'intera riga. Tutti i valori consentiti per le colonne INT sono possibili.
Per anticipare alcune domande:
- Se è importante, la maggior parte delle volte (90% +) le colonne non saranno NULL.
- Devo usare il CLR.
- Devo eseguire l'hash di così tante righe. Non posso persistere negli hash.
- Ritengo di non poter utilizzare la modalità batch per la conversione a causa della presenza della funzione CLR.
Qual è il modo più veloce per convertire 32 INTcolonne annullabili in BINARY(X)oVARBINARY(X) stringa?
Dati di esempio e codice come promesso:
-- create sample data
DROP TABLE IF EXISTS dbo.TABLE_OF_32_INTS;
CREATE TABLE dbo.TABLE_OF_32_INTS (
COL1 INT NULL,
COL2 INT NULL,
COL3 INT NULL,
COL4 INT NULL,
COL5 INT NULL,
COL6 INT NULL,
COL7 INT NULL,
COL8 INT NULL,
COL9 INT NULL,
COL10 INT NULL,
COL11 INT NULL,
COL12 INT NULL,
COL13 INT NULL,
COL14 INT NULL,
COL15 INT NULL,
COL16 INT NULL,
COL17 INT NULL,
COL18 INT NULL,
COL19 INT NULL,
COL20 INT NULL,
COL21 INT NULL,
COL22 INT NULL,
COL23 INT NULL,
COL24 INT NULL,
COL25 INT NULL,
COL26 INT NULL,
COL27 INT NULL,
COL28 INT NULL,
COL29 INT NULL,
COL30 INT NULL,
COL31 INT NULL,
COL32 INT NULL
);
INSERT INTO dbo.TABLE_OF_32_INTS WITH (TABLOCK)
SELECT 0, 123, 12345, 1234567, 123456789
, 0, 123, 12345, 1234567, 123456789
, 0, 123, 12345, 1234567, 123456789
, 0, 123, 12345, 1234567, 123456789
, 0, 123, 12345, 1234567, 123456789
, 0, 123, 12345, 1234567, 123456789
, NULL, -876545321
FROM
(
SELECT TOP (1000000) ROW_NUMBER() OVER (ORDER BY (SELECT NULL)) RN
FROM master..spt_values t1
CROSS JOIN master..spt_values t2
) q
OPTION (MAXDOP 1);
GO
-- procedure to test performance
CREATE OR ALTER PROCEDURE #p AS
BEGIN
SET NOCOUNT ON;
DECLARE
@counter INT = 0,
@dummy VARBINARY(8000);
WHILE @counter < 10
BEGIN
SELECT @dummy = -- this code is clearly incomplete as it does not handle NULLs
CAST(COL1 AS BINARY(4)) +
CAST(COL2 AS BINARY(4)) +
CAST(COL3 AS BINARY(4)) +
CAST(COL4 AS BINARY(4)) +
CAST(COL5 AS BINARY(4)) +
CAST(COL6 AS BINARY(4)) +
CAST(COL7 AS BINARY(4)) +
CAST(COL8 AS BINARY(4)) +
CAST(COL9 AS BINARY(4)) +
CAST(COL10 AS BINARY(4)) +
CAST(COL11 AS BINARY(4)) +
CAST(COL12 AS BINARY(4)) +
CAST(COL13 AS BINARY(4)) +
CAST(COL14 AS BINARY(4)) +
CAST(COL15 AS BINARY(4)) +
CAST(COL16 AS BINARY(4)) +
CAST(COL17 AS BINARY(4)) +
CAST(COL18 AS BINARY(4)) +
CAST(COL19 AS BINARY(4)) +
CAST(COL20 AS BINARY(4)) +
CAST(COL21 AS BINARY(4)) +
CAST(COL22 AS BINARY(4)) +
CAST(COL23 AS BINARY(4)) +
CAST(COL24 AS BINARY(4)) +
CAST(COL25 AS BINARY(4)) +
CAST(COL26 AS BINARY(4)) +
CAST(COL27 AS BINARY(4)) +
CAST(COL28 AS BINARY(4)) +
CAST(COL29 AS BINARY(4)) +
CAST(COL30 AS BINARY(4)) +
CAST(COL31 AS BINARY(4)) +
CAST(COL32 AS BINARY(4))
FROM dbo.TABLE_OF_32_INTS
OPTION (MAXDOP 1);
SET @counter = @counter + 1;
END;
SELECT cpu_time
FROM sys.dm_exec_requests
WHERE session_id = @@SPID;
END;
GO
-- run procedure
EXEC #p;(Continuerò a utilizzare l'hash spettrale su questo risultato binario. Il carico di lavoro utilizza hash join e il valore di hash viene utilizzato per una delle build di hash. Non voglio un valore binario lungo nella build di hash perché richiede troppo memoria.)