Bagian dari beban kerja saya menggunakan fungsi CLR yang mengimplementasikan algoritma hash seram untuk membandingkan baris untuk melihat apakah ada nilai kolom yang berubah. Fungsi CLR mengambil string biner sebagai input, jadi saya perlu cara cepat untuk mengubah baris menjadi string biner. Saya berharap untuk hash sekitar 10 miliar baris selama beban kerja penuh jadi saya ingin kode ini secepat mungkin.
Saya memiliki sekitar 300 tabel dengan skema berbeda. Untuk keperluan pertanyaan ini, silakan asumsikan struktur tabel sederhana dari 32 INT
kolom yang dapat dibatalkan . Saya telah memberikan data sampel serta cara untuk membandingkan hasil di bagian bawah pertanyaan ini.
Baris harus dikonversi ke string biner yang sama jika semua nilai kolom sama. Baris harus dikonversi ke string biner yang berbeda jika ada nilai kolom yang berbeda. Misalnya, kode sesederhana yang berikut tidak akan berfungsi:
CAST(COL1 AS BINARY(4)) + CAST(COL2 AS BINARY(4)) + ..
Itu tidak menangani NULL dengan benar. Jika COL1
NULL untuk baris 1 dan COL2
NULL untuk baris 2 maka kedua baris akan dikonversi ke string NULL. Saya percaya bahwa penanganan NULL yang benar adalah bagian tersulit dalam mengubah seluruh baris dengan benar. Semua nilai yang diizinkan untuk kolom INT dimungkinkan.
Untuk mendahului beberapa pertanyaan:
- Jika itu penting, sebagian besar waktu (90% +) kolom tidak akan NULL.
- Saya harus menggunakan CLR.
- Saya harus hash banyak baris ini. Saya tidak bisa menahan hash.
- Saya percaya bahwa saya tidak dapat menggunakan mode batch untuk konversi karena keberadaan fungsi CLR.
Apa cara tercepat untuk mengonversi 32 INT
kolom yang dapat dibatalkan menjadi BINARY(X)
atau VARBINARY(X)
string?
Sampel data dan kode seperti yang dijanjikan:
-- 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;
(Saya masih akan menggunakan hash seram pada hasil biner ini. Beban kerja menggunakan hash joins dan nilai hash digunakan untuk salah satu hash builds. Saya tidak ingin nilai biner panjang dalam hash build karena membutuhkan terlalu banyak Penyimpanan.)