表”（例如是另一个查询的结果），则上述查询语句建议的执行路径非常合适。

    只要每个数据项的历史信息数量都较少，以in() 列表或子查询取代内层查询中的scomvalue，

    会使整个查询执行更高效。也可以用in 子句取代“相等xìng条件”，在多数情况下没有什么不同；

    但偶有例外，例如，如果用户输错了item_id，采用in()时会返回未发现数据，而采用“相等xìng条

    件”时会返回错误数据。

    使用OLAP函数

    我们在自连接（self-join）情况下，使用了诸如row_number()等OLAP函数，它们在查询“特定日

    期某数据项的值”时也同样有用甚至高效。（但记住，OLAP函数会带来非关系的处理模式（注5）。）

    注意

    OLAP 函数属于SQL 的非关系层。这类函数的作用是：在查询中做最后（或几乎是最后）处

    理。因为它们在过滤已完成后对结果集进行处理。

    运用row_number()等函数，可以通过日期排序判断数据的“新旧程度（degree of freshness）”（也

    就是距离现在有多久）：

    select row_number( ) over (partition by item_id

    order by record_date desc) as freshness,

    whatever

    from hist_data

    where item_id = scomvalue

    and record_date <= reference_date

    选取最新数据，只需保留freshness 值为1 的记录：

    select x.

    from (select row_number( ) over (partition by item_id

    order by record_date desc) as freshness,

    whatever

    from hist_data

    where item_id = scomvalue

    and record_date <= reference_date) as x

    where x.freshness = 1

    理论上，使用OLAP 函数方法和子查询几乎没有差异。实际上，OLAP 函数只访问一次表，

    即使需要为此而进行排序cāo作也不例外。OLAP函数对表不需要做额外的访问，甚至在使用主键

    快速存取时也是如此。因此，采用OLAP 函数速度会比较快（尽管只是快一点点）。

    少量数据项、大量历史数据

    Many Historical Values Per Item

    当存在大量历史数据时，情况有所不同—— 例如，监控系统中采集“度量值”的频率很高。这

    里的困难在于，必须根据对极大量的数据进行排序，才能找到特定日期或最接近特定日期的值。

    排序是代价很高的cāo作：如果我们应用第4章的原则，降低非关系层厚度的唯一方法，就是在关

    系层多做一些工作，增加过滤条件的数量。此时，针对所需数据更精确地归类日期（或时间）