Część mojego obciążenia wykorzystuje funkcję CLR, która implementuje upiorny algorytm mieszania do porównywania wierszy w celu sprawdzenia, czy zmieniły się wartości kolumn. Funkcja CLR pobiera ciąg binarny jako dane wejściowe, dlatego potrzebuję szybkiego sposobu konwersji wierszy na ciąg binarny. Oczekuję, że przy pełnym obciążeniu haszuję około 10 miliardów wierszy, więc chciałbym, aby ten kod był tak szybki, jak to możliwe.
Mam około 300 tabel o różnych schematach. Do celów tego pytania proszę przyjąć prostą strukturę tabeli złożoną z 32 zerowalnych INTkolumn. Podałem przykładowe dane, a także sposób porównania wyników na dole tego pytania.
Wiersze muszą zostać przekonwertowane na ten sam ciąg binarny, jeśli wszystkie wartości kolumn są takie same. Wiersze muszą zostać przekonwertowane na różne ciągi binarne, jeśli dowolna wartość kolumny jest inna. Na przykład kod tak prosty, jak poniżej, nie będzie działał:
CAST(COL1 AS BINARY(4)) + CAST(COL2 AS BINARY(4)) + ..Nie obsługuje poprawnie wartości NULL. Jeśli COL1ma wartość NULL dla wiersza 1 i COL2ma wartość NULL dla wiersza 2, wówczas oba wiersze zostaną przekonwertowane na ciąg NULL. Uważam, że poprawne przetwarzanie wartości NULL jest najtrudniejszą częścią prawidłowej konwersji całego wiersza. Możliwe są wszystkie dozwolone wartości dla kolumn INT.
Aby zapobiec niektórym pytaniom:
- Jeśli ma to znaczenie, znaczna większość czasu (90% +) kolumny nie będą miały wartości NULL.
- Muszę użyć CLR.
- Muszę mieszać tyle rzędów. Nie mogę utrzymać skrótów.
- Uważam, że nie mogę użyć trybu wsadowego do konwersji ze względu na obecność funkcji CLR.
Jaki jest najszybszy sposób konwersji 32 zerowalnych INTkolumn na ciąg BINARY(X)lub VARBINARY(X)łańcuch?
Przykładowe dane i kod zgodnie z obietnicą:
-- 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;
(Nadal będę używał upiornego skrótu do tego wyniku binarnego. Obciążenie używa sprzężeń skrótu, a wartość skrótu jest używana dla jednej z kompilacji skrótów. Nie chcę długiej wartości binarnej w kompilacji skrótu, ponieważ wymaga ona zbyt wiele pamięć.)