SQL Server时间粒度系列----第9节时间粒度示例演示

本文目录列表：

1、准备测试数据

2、向测试数据表添加相关时间粒度字段列

3、基于日月季年统计汇总的演示

4、总结语

5、参考清单列表

准备测试数据

为了提供不同时间粒度示例的演示，就需要测试数据。为了演示方便，本文提供一个测试数据表（登录信息数据表----LoginInfo），以及改变插入测试数据。该测试数据表就是简单记录每个用户每次的登路时间信息。

LoginInfo创建的脚本的T-SQL代码如下：

IF OBJECT_ID(N'dbo.LoginInfo', 'U') IS NOT NULL

BEGIN

DROP TABLE dbo.LoginInfo;

END

CREATE TABLE dbo.LoginInfo (

LoginInfoID INT IDENTITY(1, 1) NOT NULL,

UserID INT NOT NULL,

LoginTime DATETIME NOT NULL

);

IF OBJECT_ID(N'PK_U_CL_LoginInfo_LoginInfoID', N'PK') IS NULL

BEGIN

ALTER TABLE [dbo].[LoginInfo] ADD CONSTRAINT [PK_U_CL_LoginInfo_LoginInfoID] PRIMARY KEY CLUSTERED

(

[LoginInfoID] ASC

)WITH (PAD_INDEX = OFF, STATISTICS_NORECOMPUTE = OFF, SORT_IN_TEMPDB = OFF, IGNORE_DUP_KEY = OFF, ONLINE = OFF, ALLOW_ROW_LOCKS = ON, ALLOW_PAGE_LOCKS = ON, FILLFACTOR = 90)

ON [PRIMARY];

END

IF NOT EXISTS (SELECT 1 FROM sys.indexes WHERE object_id = OBJECT_ID(N'[dbo].[LoginInfo]', N'U') AND name = N'IX_U_NCL_LoginInfo_LoginTime_UserID')

BEGIN

CREATE NONCLUSTERED INDEX [IX_U_NCL_LoginInfo_LoginTime_UserID] ON [dbo].[LoginInfo]

(

[LoginTime] ASC,

[UserID] ASC

) WITH (PAD_INDEX = OFF, STATISTICS_NORECOMPUTE = OFF, SORT_IN_TEMPDB = OFF, DROP_EXISTING = OFF, ONLINE = OFF, ALLOW_ROW_LOCKS = ON, ALLOW_PAGE_LOCKS = ON, FILLFACTOR = 90)

ON [PRIMARY];

END

IF NOT EXISTS (SELECT 1 FROM sys.indexes WHERE object_id = OBJECT_ID(N'[dbo].[LoginInfo]', N'U') AND name = N'IX_NU_NCL_LoginInfo_UserID')

BEGIN

CREATE NONCLUSTERED INDEX [IX_NU_NCL_LoginInfo_UserID] ON [dbo].[LoginInfo]

(

[UserID] ASC

) WITH (PAD_INDEX = OFF, STATISTICS_NORECOMPUTE = OFF, SORT_IN_TEMPDB = OFF, DROP_EXISTING = OFF, ONLINE = OFF, ALLOW_ROW_LOCKS = ON, ALLOW_PAGE_LOCKS = ON, FILLFACTOR = 90)

ON [PRIMARY];

END

向LoginInfo数据表插入测试数据的T-SQL脚本如下：

-- 方法1、模拟100个用户在2015年登陆时间的信息记录

TRUNCATE TABLE dbo.LoginInfo;

DECLARE

@intUserTotal AS INT,

@dtmStartDateTime AS DATETIME,

@dtmEndDateTime AS DATETIME;

SELECT

@intUserTotal = 100,

@dtmStartDateTime = '2015-01-01',

@dtmEndDateTime = '2015-12-31';

-- 插入数据

INSERT INTO dbo.LoginInfo (

UserID

,LoginTime

) SELECT

T.Num AS UserID

,T2.LoginTime

FROM dbo.ufn_GetNums(1, @intUserTotal) AS T

CROSS APPLY (

SELECT CONVERT(DATETIME, CONVERT(VARCHAR(14), DATEADD(HOUR, Num * 4, @dtmStartDateTime), 120) + CAST(dbo.ufn_RandNum(0,59) AS VARCHAR(2)) + ':'+ CAST(dbo.ufn_RandNum(0,59) AS VARCHAR(2)) + '.'+ CAST(dbo.ufn_RandNum(0,997) AS VARCHAR(3)), 120) AS LoginTime

FROM dbo.ufn_GetNums(0, DATEDIFF(HOUR, @dtmStartDateTime, @dtmEndDateTime) / 4)

) AS T2

ORDER BY T2.LoginTime ASC, T.Num ASC;

-- 方法2、模拟1000个用户在2015年登陆时间的信息记录

TRUNCATE TABLE dbo.LoginInfo;

DECLARE

@intUserTotal AS INT,

@dtmStartDateTime AS DATETIME,

@dtmEndDateTime AS DATETIME;

SELECT

@intUserTotal = 1000,

@dtmStartDateTime = '2015-01-01',

@dtmEndDateTime = '2015-12-31';

SELECT

T.Num AS UserID

,T2.LoginTime

FROM dbo.ufn_GetNums(1, @intUserTotal) AS T

CROSS APPLY (

FROM dbo.ufn_GetNums(0, DATEDIFF(HOUR, @dtmStartDateTime, @dtmEndDateTime) / 4)

) AS T2;

注意：

1、以上填充测试数据提供了两个方法：一个是模拟100个用户的小数据，另一个是模拟1000个用户的稍大数据，时间段都是2015年的登录时间。

2、本文为了演示的方便采用了模拟100个用户的小数据。

3、填充测试数据使用了函数ufn_GetNums，请参考SQL Server数字辅助表的实现。

查看测试数据表中的数据，如下图：

注意：

1、以上截图仅仅显示很小部分的数据。

向测试数据表添加相关时间粒度字段列

向测试数据表中增加LoginDays、LoginMonths、LoginQuarters和LoginYears字段列，T-SQL脚本如下：

IF NOT EXISTS (SELECT 1 FROM sys.columns WHERE object_id = OBJECT_ID(N'dbo.LoginInfo', 'U') AND name = N'LoginDays')

BEGIN

ALTER TABLE LoginInfo ADD LoginDays INT NOT NULL CONSTRAINT DF_LoginInfo_LoginDays DEFAULT 0;

END

IF NOT EXISTS (SELECT 1 FROM sys.columns WHERE object_id = OBJECT_ID(N'dbo.LoginInfo', 'U') AND name = N'LoginMonths')

BEGIN

ALTER TABLE LoginInfo ADD LoginMonths INT NOT NULL CONSTRAINT DF_LoginInfo_LoginMonths DEFAULT 0;

END

IF NOT EXISTS (SELECT 1 FROM sys.columns WHERE object_id = OBJECT_ID(N'dbo.LoginInfo', 'U') AND name = N'LoginQuarters')

BEGIN

ALTER TABLE LoginInfo ADD LoginQuarters INT NOT NULL CONSTRAINT DF_LoginInfo_LoginQuarters DEFAULT 0;

END

IF NOT EXISTS (SELECT 1 FROM sys.columns WHERE object_id = OBJECT_ID(N'dbo.LoginInfo', 'U') AND name = N'LoginYears')

BEGIN

ALTER TABLE LoginInfo ADD LoginYears SMALLINT NOT NULL CONSTRAINT DF_LoginInfo_LoginYears DEFAULT 0;

END

查询测试数据表，如下图：

注意：

1、以上截图的仅仅显示部分数据。

修改新增字段值，相关的脚本如下：

UPDATE dbo.LoginInfo

SET LoginDays = dbo.ufn_Days(LoginTime)

,LoginMonths = dbo.ufn_Months(LoginTime)

,LoginQuarters = dbo.ufn_Quarters(LoginTime)

,LoginYears = dbo.ufn_Years(LoginTime)

WHERE LoginDays = 0

AND LoginMonths = 0

AND LoginQuarters = 0

AND LoginYears = 0;

注意：

1、以上新增的字段没有创建相应的索引。

2、以上使用了4个函数：ufn_Days、ufn_Months、ufn_Quarters和ufn_Years，请参考SQL Server时间粒度系列----第7节日历数据表详解。

再次查看测试数据，如下图：

注意：

1、以上截图仅仅显示部分数据。

基于日月季年统计汇总的演示

基于日统计汇总，T-SQL如下：

-- 基于日统计汇总

-- 方法1、传统的使用

SELECT CONVERT(CHAR(10), LoginTime, 120) AS LoginDayDateFormat, COUNT(1) AS DayLoginTimesTotal

FROM dbo.LoginInfo

GROUP BY CONVERT(CHAR(10), LoginTime, 120)

ORDER BY LoginDayDateFormat ASC;

-- 方法2、使用时间粒度转换函数

SELECT dbo.ufn_Days2Date(dbo.ufn_Days(LoginTime)) AS LoginDayDate, COUNT(1) AS DayLoginTimesTotal

FROM dbo.LoginInfo

GROUP BY dbo.ufn_Days(LoginTime)

ORDER BY LoginDayDate ASC;

-- 方法3、使用时间粒度字段列和时间粒度转换函数

SELECT dbo.ufn_Days2Date(LoginDays) AS LoginDayDate, COUNT(1) AS DayLoginTimesTotal

FROM dbo.LoginInfo

GROUP BY LoginDays

ORDER BY LoginDays ASC;

-- 方法4、嵌套查询与使用时间粒度字段列和时间粒度转换函数

SELECT dbo.ufn_Days2Date(T.LoginDays) AS LoginDayDate, T.DayLoginTimesTotal

FROM (

SELECT LoginDays, COUNT(1) AS DayLoginTimesTotal

FROM dbo.LoginInfo

GROUP BY LoginDays

) AS T

ORDER BY LoginDays ASC;

查询以上四个方法的图形实际执行计划，如下图：

基于月统计汇总，T-SQL如下:

-- 基于月统计汇总

-- 方法1、传统的使用

SELECT CONVERT(CHAR(7), LoginTime, 120) AS LoginMonthDateFormat, COUNT(1) AS MonthLoginTimesTotal

FROM dbo.LoginInfo

GROUP BY CONVERT(CHAR(7), LoginTime, 120)

ORDER BY LoginMonthDateFormat ASC;

-- 方法2、使用时间粒度转换函数

SELECT dbo.ufn_Months2Date(dbo.ufn_Months(LoginTime)) AS LoginMonthBasedate, COUNT(1) AS MonthLoginTimesTotal

FROM dbo.LoginInfo

GROUP BY dbo.ufn_Months(LoginTime)

ORDER BY LoginMonthBasedate ASC;

-- 方法3、使用时间粒度字段列和时间粒度转换函数

SELECT dbo.ufn_Months2Date(LoginMonths) AS LoginMonthBasedate, COUNT(1) AS MonthLoginTimesTotal

FROM dbo.LoginInfo

GROUP BY LoginMonths

ORDER BY LoginMonths ASC;

-- 方法4、嵌套查询与使用时间粒度字段列和时间粒度转换函数

SELECT dbo.ufn_Months2Date(T.LoginMonths) AS LoginMonthBasedate, T.MonthLoginTimesTotal

FROM (

SELECT LoginMonths, COUNT(1) AS MonthLoginTimesTotal

FROM dbo.LoginInfo

GROUP BY LoginMonths

) AS T

ORDER BY LoginMonths ASC;

查询以上四个方法的图形实际执行计划，如下图：

基于季统计汇总，T-SQL如下：

-- 基于季统计汇总

-- 方法1、传统的使用

SELECT CONVERT(CHAR(4), LoginTime, 120) + '0' + CAST(DATEPART(QUARTER, LoginTime) AS CHAR(1)) AS LoginQuarterDateFormat, COUNT(1) AS QuarterLoginTimesTotal

FROM dbo.LoginInfo

GROUP BY CONVERT(CHAR(4), LoginTime, 120) + '0' + CAST(DATEPART(QUARTER, LoginTime) AS CHAR(1))

ORDER BY LoginQuarterDateFormat ASC;

-- 方法2、使用时间粒度转换函数

SELECT dbo.ufn_Quarters2Date(dbo.ufn_Quarters(LoginTime)) AS LoginQuarterBasedate, COUNT(1) AS QuarterLoginTimesTotal

FROM dbo.LoginInfo

GROUP BY dbo.ufn_Quarters(LoginTime)

ORDER BY LoginQuarterBasedate ASC;

-- 方法3、使用时间粒度字段列和时间粒度转换函数

SELECT dbo.ufn_Quarters2Date(LoginQuarters) AS LoginQuarterBasedate, COUNT(1) AS QuarterLoginTimesTotal

FROM dbo.LoginInfo

GROUP BY LoginQuarters

ORDER BY LoginQuarters ASC;

-- 方法4、嵌套查询与使用时间粒度字段列和时间粒度转换函数

SELECT dbo.ufn_Quarters2Date(T.LoginQuarters) AS LoginQuarterBasedate, T.QuarterLoginTimesTotal

FROM (

SELECT LoginQuarters, COUNT(1) AS QuarterLoginTimesTotal

FROM dbo.LoginInfo

GROUP BY LoginQuarters

) AS T

ORDER BY LoginQuarters ASC;

查询以上四个方法的图形实际执行计划，如下图：

基于年统计汇总，T-SQL如下：

-- 基于年统计汇总

-- 方法1、传统的使用

SELECT CONVERT(CHAR(4), LoginTime, 120) AS LoginYearDateFormat, COUNT(1) AS YearLoginTimesTotal

FROM dbo.LoginInfo

GROUP BY CONVERT(CHAR(4), LoginTime, 120)

ORDER BY LoginYearDateFormat ASC;

-- 方法2、使用时间粒度转换函数

SELECT dbo.ufn_Years2Date(dbo.ufn_Years(LoginTime)) AS LoginYearBasedate, COUNT(1) AS YearLoginTimesTotal

FROM dbo.LoginInfo

GROUP BY dbo.ufn_Years(LoginTime)

ORDER BY LoginYearBasedate ASC;

-- 方法3、使用时间粒度字段列和时间粒度转换函数

SELECT dbo.ufn_Years2Date(LoginYears) AS LoginYearBasedate, COUNT(1) AS YearLoginTimesTotal

FROM dbo.LoginInfo

GROUP BY LoginYears

ORDER BY LoginYears ASC;

-- 方法4、嵌套查询与使用时间粒度字段列和时间粒度转换函数

SELECT dbo.ufn_Years2Date(T.LoginYears) AS LoginYearBasedate, T.YearLoginTimesTotal

FROM (

SELECT LoginYears, COUNT(1) AS YearLoginTimesTotal

FROM dbo.LoginInfo

GROUP BY LoginYears

) AS T

ORDER BY LoginYears ASC;

查询以上四个方法的图形实际执行计划，如下图：

注意：

1、以上演示的T-SQL代码使用了ufn_Days2Date、ufn_Months2Date、ufn_Quarters2Date、ufn_Years2Date，请参考SQL Server时间粒度系列----第7节日历数据表详解。

总结语

本文仅仅提供了测试数据表的创建以及相关的数据填充，向测试表中增加时间粒度相关的字段列，使用时间粒度相关函数简单了基于日月季年统计汇总的演示。

参考清单列表

1、SQL Server数字辅助表的实现。

2、SQL Server时间粒度系列----第7节日历数据表详解。

SQL Server时间粒度系列----第9节时间粒度示例演示的更多相关文章

SQL Server时间粒度系列----第1节时间粒度概述
本文目录列表: 1.什么是时间粒度?2.SQL Server提供的时间粒度3.SQL Server时间粒度代码演示 4.SQL Server基准日期 5.总结语6.参考清单列表什么是时间粒度 ...
SQL Server时间粒度系列----第4节季、年时间粒度详解
本文目录列表: 1.SQL Server季时间粒度2.SQL Server年时间粒度 3.总结语 4.参考清单列表 SQL Serve季时间粒度季时间粒度也即是季度时间粒度.一年每3 ...
SQL Server时间粒度系列----第3节旬、月时间粒度详解
本文目录列表: 1.SQL Server旬时间粒度2.SQL Server月有关时间粒度 3.SQL Server函数重构 4.总结语 5.参考清单列表 SQL Server旬时间粒度 ...
【目录】sql server 进阶篇系列
随笔分类 - sql server 进阶篇系列 sql server 下载安装标记摘要: SQL Server 2017 的各版本和支持的功能 https://docs.microsoft.com/ ...
SQL Server调优系列基础篇
前言关于SQL Server调优系列是一个庞大的内容体系,非一言两语能够分析清楚,本篇先就在SQL 调优中所最常用的查询计划进行解析,力图做好基础的掌握,夯实基本功!而后再谈谈整体的语句调优. 通过 ...
SQL Server调优系列基础篇（常用运算符总结——三种物理连接方式剖析）
前言上一篇我们介绍了如何查看查询计划,本篇将介绍在我们查看的查询计划时的分析技巧,以及几种我们常用的运算符优化技巧,同样侧重基础知识的掌握. 通过本篇可以了解我们平常所写的T-SQL语句,在SQL ...
SQL Server调优系列基础篇（并行运算总结篇二）
前言上一篇文章我们介绍了查看查询计划的并行运行方式. 本篇我们接着分析SQL Server的并行运算. 闲言少叙,直接进入本篇的正题. 技术准备同前几篇一样,基于SQL Server2008R2版 ...
SQL Server调优系列基础篇（索引运算总结）
前言上几篇文章我们介绍了如何查看查询计划.常用运算符的介绍.并行运算的方式,有兴趣的可以点击查看. 本篇将分析在SQL Server中,如何利用先有索引项进行查询性能优化,通过了解这些索引项的应用方 ...
SQL Server调优系列进阶篇（查询语句运行几个指标值监测）
前言上一篇我们分析了查询优化器的工作方式,其中包括:查询优化器的详细运行步骤.筛选条件分析.索引项优化等信息. 本篇我们分析在我们运行的过程中几个关键指标值的检测. 通过这些指标值来分析语句的运行问 ...

随机推荐

一个防止误删MSSQL数据库的方法
一个防止误删MSSQL数据库的方法环境:Windows2008 R2 .SQL 2012 今天发现一个有趣的现象,之前数据库服务器的其中几个数据库做过镜像,不过现在已经删除了,今天又要在那台服务器上 ...
8天掌握EF的Code First开发之Entity Framework介绍
返回<8天掌握EF的Code First开发>总目录本篇目录 Entity Framework概要什么是ORM Entity Framework简史 Entity Framework具 ...
Lesson 10 Not for jazz
Text We have an old musical instrument. It is called a clavichord. It was made in Germany in 1681. O ...
ASP.Net请求处理机制初步探索之旅 - Part 2 核心
开篇:上一篇我们了解了一个请求从客户端发出到服务端接收并转到ASP.Net处理入口的过程,这篇我们开始探索ASP.Net的核心处理部分,借助强大的反编译工具,我们会看到几个熟悉又陌生的名词(类):Ht ...
[Voice communications] 看得到的音频流
上文介绍了 Web Audio API 的相关知识,以及如何在你的 web 程序中引入音频流,内容都是介绍性的,所以没有写太多 DEMO.本文重点讲解如何利用 Web Audio API 中的中间节 ...
Some warning were found during validation
前几天做一个iOS下的App更新,到上传的时候出了问题,一直传了大半个小时,结果还是没传完,再试依然不行,于是只好关机,把电脑带回家弄. 回家后出现了更奇怪的事,经过漫长等待后,竟然出现这个提示: 我 ...
xamarin UWP证书问题汇总
打算开发一个软件使用rsa加密的东西,所以有用到数字证书这块,最近遇到些问题, 问题一:使用如下代码添加数字证书后,在证书管理器的当前用户和本地计算机下都找不到这张证书. using (X509Sto ...
数据库基础，表及SQL语句
数据库基础及T-SQL语句字符类型: int 整型 float 小数 double 小数 varchar(20) 字符串 bit 布尔型数据 datetime 日期时间类型 text 长文本 (以下 ...
Nodejs学习笔记（二）--- 事件模块
目录简介及资料事件常用函数及使用 emitter.on(event, listener) emitter.emit(event, [arg1], [arg2], [...]) emitter.on ...
由ArcMap属性字段自增引出字段计算器使用Python的技巧
1.前言前些日子有人问我ArcMap中要让某个字段的值实现自增有什么方法?我首先想到像SQL Server中对于数值型字段可以设置自增.所以我打开ArcCatalog查看发现只提供默认值 ...

SQL Server时间粒度系列----第9节时间粒度示例演示

SQL Server时间粒度系列----第9节时间粒度示例演示的更多相关文章

随机推荐

热门专题