¿Las uniones son para gente perezosa?

Recientemente tuve una discusión con otro desarrollador que me dijo que JOIN (SQL) no sirve para nada. Esto es técnicamente cierto, pero agregó que el uso de combinaciones es menos eficiente que realizar varias solicitudes y tablas de enlaces en el código (C # o Java).

Para él, las uniones son para gente perezosa a la que no le importa el rendimiento. ¿Es esto cierto? ¿Deberíamos evitar usar combinaciones?

No, debemos evitar a los desarrolladores que tienen opiniones tan increíblemente erróneas.

En muchos casos, una unión de base de datos es varios órdenes de magnitud más rápido que cualquier cosa realizada a través del cliente, porque evita los viajes de ida y vuelta de la base de datos, y la base de datos puede usar índices para realizar la unión.

Fuera de mi cabeza, ni siquiera puedo imaginar un solo escenario en el que una combinación correctamente utilizada sea más lenta que la operación equivalente del lado del cliente.

Editar: Hay algunos casos raros en los que el código de cliente personalizado puede hacer las cosas de manera más eficiente que una unión directa a la base de datos (ver comentario de meriton). Pero esta es en gran medida la excepción.

Me parece que a su colega le iría bien con una base de datos de documentos sin SQL o un almacén de valores clave. Que son en sí mismas muy buenas herramientas y una buena opción para muchos problemas.

Sin embargo, una base de datos relacional está muy optimizada para trabajar con conjuntos. Hay muchas, muchas formas de consultar los datos basados ​​en uniones que son ampliamente más eficientes que muchos viajes de ida y vuelta. De aquí proviene la versatilidad de un rdbms. También puede lograr lo mismo en una tienda nosql, pero a menudo termina creando una estructura separada adecuada para cada naturaleza diferente de la consulta.

En resumen: no estoy de acuerdo. En un RDBMS, las uniones son fundamentales . Si no los está utilizando, no lo está utilizando como RDBMS.

Bueno, él está equivocado en el caso general.

Las bases de datos pueden optimizar utilizando una variedad de métodos, ayudados por sugerencias de optimizadores, índices de tablas, relaciones de clave externa y posiblemente otra información específica del proveedor de la base de datos.

No, no deberías.

Las bases de datos están específicamente diseñadas para manipular conjuntos de datos (obviamente ...). Por lo tanto, son increíblemente eficientes para hacer esto. Al hacer lo que es esencialmente una unión manual en su propio código, está tratando de asumir el papel de algo específicamente diseñado para el trabajo. Las posibilidades de que su código sea tan eficiente como en la base de datos son muy remotas.

Además, sin uniones, ¿cuál es el punto de usar una base de datos? también puede usar archivos de texto.

Si "perezoso" se define como personas que quieren escribir menos código, entonces estoy de acuerdo. Si "perezoso" se define como personas que quieren tener herramientas para hacer lo que son buenos, estoy de acuerdo. Entonces, si simplemente está de acuerdo con Larry Wall (con respecto a los atributos de los buenos programadores), entonces estoy de acuerdo con él.

Ummm, une es cómo las bases de datos relacionales relacionan las tablas entre sí. No estoy seguro de a qué se refiere.

¿Cómo puede ser más eficiente hacer varias llamadas a la base de datos que una llamada? Además, los motores sql están optimizados para hacer este tipo de cosas.

Quizás su compañero de trabajo sea demasiado vago para aprender SQL.

Si deberías.

Y debe usar C ++ en lugar de C # debido al rendimiento. C # es para gente perezosa.

No no no. Debe usar C en lugar de C ++ debido al rendimiento. C ++ es para gente perezosa.

No no no. Debe usar el ensamblaje en lugar de C debido al rendimiento. C es para gente perezosa.

Si, estoy bromeando. puede hacer programas más rápidos sin combinaciones y puede hacer programas utilizando menos memoria sin combinaciones. PERO en muchos casos, su tiempo de desarrollo es más importante que el tiempo de CPU y la memoria. Renunciar a un poco de rendimiento y disfrutar de tu vida. No pierdas tu tiempo con poco rendimiento. Y dile "¿Por qué no haces una carretera recta desde tu lugar hasta tu oficina?"

"Esto es técnicamente cierto" - de manera similar, una base de datos SQL es inútil: ¿cuál es el punto de usar una cuando puedes obtener el mismo resultado al usar un montón de archivos CSV y correlacionarlos en el código? Diablos, cualquier abstracción es para gente perezosa, ¡volvamos a la programación en código máquina directamente en el hardware! ;)

Además, su afirmación es falsa en todos los casos, excepto en los más complicados: los RDBMS están muy optimizados para hacer que JOIN sea rápido . Sistemas de gestión de bases de datos relacionales , ¿verdad?

La última compañía para la que trabajé tampoco usó uniones SQL. En cambio, trasladaron este trabajo a la capa de aplicación que está diseñada para escalar horizontalmente. La razón de este diseño es evitar el trabajo en la capa de base de datos. Suele ser la base de datos la que se convierte en cuello de botella. Es más fácil replicar la capa de aplicación que la base de datos. Podría haber otras razones. Pero este es el que puedo recordar ahora.

Sí, estoy de acuerdo en que las uniones realizadas en la capa de aplicación son ineficientes en comparación con las uniones realizadas por la base de datos. Más comunicación de red también.

Tenga en cuenta que no estoy tomando una posición firme para evitar las uniones SQL.

Sin combinaciones, ¿cómo va a relacionar los artículos de pedido con los pedidos? Ese es el objetivo de un sistema de gestión de bases de datos relacionales. Sin uniones no hay datos relacionales y también podría usar archivos de texto para procesar datos.

Parece que no entiende el concepto, así que está tratando de hacer que parezca que son inútiles. Es el mismo tipo de persona que cree que Excel es una aplicación de base de datos. Abofetearlo y decirle que lea más sobre bases de datos. Hacer múltiples conexiones y extraer datos y fusionar los datos a través de C # es la forma incorrecta de hacer las cosas.

No entiendo la lógica de la declaración "las uniones en SQL son inútiles". ¿Es útil filtrar y limitar los datos antes de trabajar en ellos? Como han dicho otros encuestados, esto es lo que hacen los motores de base de datos, debe ser en lo que son buenos.

Quizás un programador perezoso se apegaría a tecnologías con las que estaba familiarizado y evitaría otras posibilidades por razones no técnicas.

Te dejo a ti decidir.

Consideremos un ejemplo: una tabla con registros de facturas y una tabla relacionada con registros de líneas de pedido de facturas. Considere el pseudocódigo del cliente:

for each (invoice in invoices)
    let invoiceLines = FindLinesFor(invoice)
...

Si tiene 100,000 facturas con 10 líneas cada una, este código buscará 10 líneas de factura de una tabla de 1 millón, y lo hará 100,000 veces. A medida que aumenta el tamaño de la tabla, aumenta el número de operaciones de selección y aumenta el costo de cada operación de selección.

Debido a que las computadoras son rápidas, es posible que no note una diferencia de rendimiento entre los dos enfoques si tiene varios miles de registros o menos. Debido a que el aumento de costos es más que lineal, a medida que aumenta el número de registros (en millones, por ejemplo), comenzará a notar una diferencia, y la diferencia será menos tolerable a medida que crezca el tamaño del conjunto de datos.

La unión, sin embargo. utilizará los índices de la tabla y fusionará los dos conjuntos de datos. Esto significa que está escaneando efectivamente la segunda tabla una vez en lugar de accederla aleatoriamente N veces. Si hay una clave externa definida, la base de datos ya tiene los enlaces entre los registros relacionados almacenados internamente.

Imagina hacer esto tú mismo. Tiene una lista alfabética de estudiantes y un cuaderno con todos los informes de calificaciones de los estudiantes (una página por clase). El cuaderno está ordenado por los nombres de los alumnos, en el mismo orden que la lista. ¿Cómo preferirías continuar?

1. Lee un nombre de la lista.
2. Abre el cuaderno.
3. Encuentra el nombre del alumno.
4. Lea las calificaciones del alumno, pasando las páginas hasta llegar al siguiente alumno o la última página.
5. Cierra el cuaderno.
6. Repetir.

O:

1. Abra el cuaderno en la primera página.
2. Lee un nombre de la lista.
3. Lea las notas para ese nombre del cuaderno.
4. Repita los pasos 2-3 hasta llegar al final.
5. Cierra el cuaderno.

Suena como un caso clásico de " Puedo escribirlo mejor ". En otras palabras, está viendo algo que ve como una especie de dolor en el cuello (escribir un montón de combinaciones en SQL) y dice "Estoy seguro de que puedo escribir eso mejor y obtener un mejor rendimiento". Debería preguntarle si es a) más inteligente yb) más educado que la persona típica que está metida de rodillas en el código de optimización de Oracle o SQL Server. Lo más probable es que no lo sea.

Ciertamente está equivocado. Si bien hay ventajas definidas para la manipulación de datos dentro de lenguajes como C # o Java, las uniones son más rápidas en la base de datos debido a la naturaleza del propio SQL.

SQL sigue detallando estadísticas sobre los datos, y si ha creado sus índices correctamente, puede encontrar rápidamente un registro en un par de millones. Además del hecho de que ¿por qué querrías arrastrar todos tus datos a C # para hacer una unión cuando puedes hacerlo directamente en el nivel de la base de datos?

Las ventajas de usar C # entran en juego cuando necesitas hacer algo de forma iterativa. Si necesita hacer alguna función para cada fila, es probable que sea más rápido hacerlo dentro de C #, de lo contrario, la unión de datos se optimiza en la base de datos.

Diré que me he encontrado con un caso en el que fue más rápido romper la consulta y hacer las uniones en el código. Dicho esto, fue solo con una versión particular de MySQL que tuve que hacer eso. Todo lo demás, la base de datos probablemente será más rápida (tenga en cuenta que es posible que tenga que optimizar las consultas, pero aún así será más rápido).

Sospecho que tiene una visión limitada sobre para qué bases de datos deberían usarse. Un enfoque para maximizar el rendimiento es leer toda la base de datos en la memoria. En esta situación, puede obtener un mejor rendimiento y es posible que desee realizar uniones si la memoria es eficiente. Sin embargo, esto realmente no está utilizando una base de datos, como una base de datos en mi humilde opinión.

No, no solo las uniones están mejor optimizadas en el código de base de datos que ad-hoc C # / Java; pero generalmente se pueden aplicar varias técnicas de filtrado, lo que produce un rendimiento aún mejor.

Está equivocado, las uniones son lo que usan los programadores competentes. Puede haber algunos casos limitados en los que su método propuesto es más eficiente (y probablemente usaría una base de datos Documant), pero no puedo verlo si tiene una cantidad de datos difunta. Por ejemplo, tome esta consulta:

select t1.field1 
from table1 t1
join table2 t2 
    on t1.id = t2.id
where t1.field2 = 'test'

Suponga que tiene 10 millones de registros en la tabla 1 y 1 millón de registros en la tabla 2. Suponga que 9 millones de registros en la tabla 1 cumplen con la cláusula where. Suponga que solo 15 de ellos están en la tabla 2 también. Puede ejecutar esta instrucción sql que, si está indexada correctamente, tomará milisegundos y devolverá 15 registros a través de la red con solo 1 columna de datos. O puede enviar diez millones de registros con 2 columnas de datos y enviar por separado otros 1 millón de registros con una columna de datos a través de la red y combinarlos en el servidor web.

O, por supuesto, podría mantener todo el contenido de la base de datos en el servidor web en todo momento, lo cual es simplemente una tontería si tiene más que una cantidad trivial de datos y datos que cambian continuamente. Si no necesita las cualidades de una base de datos relacional, no use una. Pero si lo haces, úsalo correctamente.

He escuchado este argumento con bastante frecuencia durante mi carrera como desarrollador de software. Casi cada vez que se ha dicho, el tipo que hizo la afirmación no tenía mucho conocimiento sobre los sistemas de bases de datos relacionales, la forma en que funcionan y la forma en que dichos sistemas deberían usarse.

Sí, cuando se usa incorrectamente , las uniones parecen ser inútiles o incluso peligrosas. Pero cuando se usa de la manera correcta, existe un gran potencial para que la implementación de la base de datos realice optimizaciones y "ayude" al desarrollador a recuperar el resultado correcto de la manera más eficiente.

No olvide que el uso de un JOINle dice a la base de datos la forma en que espera que los datos se relacionen entre sí y, por lo tanto, le da a la base de datos más información sobre lo que está tratando de hacer y, por lo tanto, puede adaptarse mejor a sus necesidades.

Entonces la respuesta es definitivamente: ¡No, JOINSno son inútiles en absoluto!

Esto es "técnicamente cierto" solo en un caso que no se usa con frecuencia en las aplicaciones (cuando la consulta devuelve todas las filas de todas las tablas de las uniones). En la mayoría de las consultas, solo se devuelve una fracción de las filas de cada tabla. El motor de base de datos a menudo usa índices para eliminar las filas no deseadas, a veces incluso sin leer la fila real, ya que puede usar los valores almacenados en los índices. El motor de la base de datos está escrito en C, C ++, etc. y es al menos tan eficiente como el código escrito por un desarrollador.

A menos que haya entendido mal, la lógica de la pregunta es muy defectuosa.

Si hay 20 filas en B para cada A, 1000 filas en A implican 20k filas en B. No puede haber solo 100 filas en B a menos que haya muchas tablas "AB" con 20k filas con el mapeo .

Por lo tanto, para obtener toda la información sobre qué 20 de las 100 filas B se asignan a cada fila A, también debe colocar la tabla AB. Entonces esto sería:

• 3 conjuntos de resultados de 100, 1000 y 20k filas y un cliente ÚNETE
• un solo conjunto de resultados A-AB-B UNIDO con 20k filas

Por lo tanto, "JOIN" en el cliente agrega cualquier valor cuando examina los datos. No es que no sea una mala idea. Si estaba recuperando un objeto de la base de datos, quizás tenga más sentido dividirlo en conjuntos de resultados separados. Para una llamada de tipo informe, la aplanaría en una casi siempre.

En cualquier caso, diría que casi no sirve para una unión cruzada de esta magnitud. Es un mal ejemplo.

Tienes que unirte a algún lugar, y en eso RDBMS es bueno. No me gustaría trabajar con ningún mono de código de cliente que piense que pueden hacerlo mejor.

Idea tardía:

Para unirse al cliente se requieren objetos persistentes como DataTables (en .net). Si tiene un conjunto de resultados aplanado, puede consumirse a través de algo más ligero como un DataReader. Volumen alto = gran cantidad de recursos del cliente utilizados para evitar una base de datos JOIN.