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

javascript中的内置对象总结
内置对象标准内置对象 Object Object.create Object.prototype.toString Object.prototype.hasOwnProperty Boolean S ...
MySQL 注册码
最近开发是用MySQL数据库,之前安装后,每次打开Navicat Premium 都提示 “试用一个月”,“ 注册”,然后为了方便,就都选择了试用的, 一个月后,就必须的输入注册码,(还有一个是什 ...
TaintDroid深入剖析之启动篇
1 背景知识 1.1 Android平台软件动态分析现状众所周知,在计算机领域中所有的软件分析方法都可以归为静态分析和动态分析两大类,在Android平台也不例外.而随着软件加固.混淆技术的不 ...
Expert 诊断优化系列------------------内存不够用么？
现在很多用户被数据库的慢的问题所困扰,又苦于花钱请一个专业的DBA成本太高.软件维护人员对数据库的了解又不是那么深入,所以导致问题迟迟不能解决,或只能暂时解决不能得到根治.开发人员解决数据问题基本又是 ...
分享我们项目中基于EF事务机制的架构
写在前面: 1. 本文中单元测试用到的数据库,在执行测试之前,会被清空,即使用空数据库. 2. 本文中的单元测试都是正确通过的. 要理解EF的事务机制,首先要理解这2个类:TransactionSco ...
《HiWind企业快速开发框架实战》（2）使用HiWind创建自己的项目
<HiWind企业快速开发框架实战>(2)使用HiWind创建自己的项目关于HiWind HiWind企业快速开发框架,是基于.NET+EasyUi(支持各种前端扩展,后面将扩展Boot ...
基于HttpModule的简单.NET网站授权方案
摘要本文介绍一种入门级的网站授权(注:这里所指的授权指的是注册码效果,而不是网站登陆时的身份授权)方案,仅供学习交流及对付小白客户使用.复杂的网站授权涉及网站加密等一系列复杂的技术,不做本文介绍内容 ...
ASP.NET MVC 控制器激活(二)
ASP.NET MVC 控制器激活(二) 前言在之前的篇幅中,用文字和图像来表示了控制器的激活过程,描述的角度都是从框架默认实现的角度去进行描述的,这样也使得大家都可以清楚的知道激活的过程以及其中涉 ...
Step by step 如何创建一个新森林
原创地址:http://www.cnblogs.com/jfzhu/p/4006118.html 转载请注明出处创建一个新森林就是在一台计算机上安装AD DS,并将这台计算机提升为域控制器. 演示环 ...
循序渐进，了解Hive是什么！
一直想抽个时间整理下最近的所学,断断续续接触hive也有半个多月了,大体上了解了很多Hive相关的知识.那么,一般对陌生事物的认知都会经历下面几个阶段: 为什么会出现?解决了什么问题? 如何搭建?如何 ...

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