groupbyとdistinctを使用した場合のパフォーマンスの大きな違い

Question 1

HSQLDB500000エントリを含むテーブルを使用してサーバーでいくつかのテストを実行しています。テーブルにはインデックスがありません。5000の異なるビジネスキーがあります。それらのリストが必要です。当然、私はDISTINCTクエリから始めました：

SELECT DISTINCT business_key FROM memory WHERE
   concept <> 'case' or 
   attrib <> 'status' or 
   value <> 'closed'

約90秒かかります!!!

それから私は使ってみましたGROUP BY：

SELECT business_key FROM memory WHERE
       concept <> 'case' or 
       attrib <> 'status' or 
       value <> 'closed'
GROUP BY business_key

そしてそれは1秒かかります!!!

私が実行した違いを理解しようとしていEXLAIN PLAN FORますが、両方のクエリで同じ情報が得られるようです。

EXLAIN PLAN FOR DISTINCT ...

isAggregated=[false]
columns=[
  COLUMN: PUBLIC.MEMORY.BUSINESS_KEY
]
[range variable 1
  join type=INNER
  table=MEMORY
  alias=M
  access=FULL SCAN
  condition = [    index=SYS_IDX_SYS_PK_10057_10058
    other condition=[
    OR arg_left=[
     OR arg_left=[
      NOT_EQUAL arg_left=[
       COLUMN: PUBLIC.MEMORY.CONCEPT] arg_right=[
       VALUE = case, TYPE = CHARACTER]] arg_right=[
      NOT_EQUAL arg_left=[
       COLUMN: PUBLIC.MEMORY.ATTRIB] arg_right=[
       VALUE = status, TYPE = CHARACTER]]] arg_right=[
     NOT_EQUAL arg_left=[
      COLUMN: PUBLIC.MEMORY.VALUE] arg_right=[
      VALUE = closed, TYPE = CHARACTER]]]
  ]
]]
PARAMETERS=[]
SUBQUERIES[]
Object References
PUBLIC.MEMORY
PUBLIC.MEMORY.CONCEPT
PUBLIC.MEMORY.ATTRIB
PUBLIC.MEMORY.VALUE
PUBLIC.MEMORY.BUSINESS_KEY
Read Locks
PUBLIC.MEMORY
WriteLocks

EXLAIN PLAN FOR SELECT ... GROUP BY ...

isDistinctSelect=[false]
isGrouped=[true]
isAggregated=[false]
columns=[
  COLUMN: PUBLIC.MEMORY.BUSINESS_KEY
]
[range variable 1
  join type=INNER
  table=MEMORY
  alias=M
  access=FULL SCAN
  condition = [    index=SYS_IDX_SYS_PK_10057_10058
    other condition=[
    OR arg_left=[
     OR arg_left=[
      NOT_EQUAL arg_left=[
       COLUMN: PUBLIC.MEMORY.CONCEPT] arg_right=[
       VALUE = case, TYPE = CHARACTER]] arg_right=[
      NOT_EQUAL arg_left=[
       COLUMN: PUBLIC.MEMORY.ATTRIB] arg_right=[
       VALUE = status, TYPE = CHARACTER]]] arg_right=[
     NOT_EQUAL arg_left=[
      COLUMN: PUBLIC.MEMORY.VALUE] arg_right=[
      VALUE = closed, TYPE = CHARACTER]]]
  ]
]]
groupColumns=[
COLUMN: PUBLIC.MEMORY.BUSINESS_KEY]
PARAMETERS=[]
SUBQUERIES[]
Object References
PUBLIC.MEMORY
PUBLIC.MEMORY.CONCEPT
PUBLIC.MEMORY.ATTRIB
PUBLIC.MEMORY.VALUE
PUBLIC.MEMORY.BUSINESS_KEY
Read Locks
PUBLIC.MEMORY
WriteLocks

編集：私は追加のテストを行いました。500 000レコードがHSQLDBすべての個別のビジネスキーとともに含まれているため、のパフォーマンスはDISTINCT3秒向上しましGROUP BYたが、約9秒かかりました。

ではMySQL両方のクエリと同じプリフォーム：

MySQL：500 000行-5 000個の個別のビジネスキー：両方のクエリ：0.5秒MySQL：500 000行-すべての個別のビジネスキー： SELECT DISTINCT ...-11秒 SELECT ... GROUP BY business_key-13秒

したがって、問題はにのみ関連していHSQLDBます。

なぜこんなに劇的な違いがあるのか、誰かが説明してくれたらとてもありがたいです。

Question 2

2つのクエリは同じ質問を表します。どうやらクエリオプティマイザは2つの異なる実行プランを選択します。私の推測では、distinctアプローチは次のように実行されます。

すべてのbusiness_key値を一時テーブルにコピーします
一時テーブルを並べ替える
一時テーブルをスキャンして、前のアイテムとは異なる各アイテムを返します

group by以下のように実行することができます。

テーブル全体をスキャンし、の各値をbusiness keyハッシュテーブルに保存します
ハッシュテーブルのキーを返します

最初の方法は、メモリ使用量を最適化します。一時テーブルの一部をスワップアウトする必要がある場合でも、十分に機能します。2番目の方法は速度を最適化しますが、異なるキーが多数ある場合は大量のメモリが必要になる可能性があります。

十分なメモリがあるか、いくつかの異なるキーがあるため、2番目の方法は最初の方法よりもパフォーマンスが優れています。2つの実行プラン間で10倍または100倍のパフォーマンスの違いが見られることは珍しいことではありません。