sql优化

本文介绍了一个具体的SQL查询优化案例,对比了优化前后的SQL语句,并详细解释了如何通过重构查询逻辑来减少全表扫描,提高查询效率。

sql优化前:

SELECT DISTINCT a.acti_prce_id prce_id, a.acti_id, a.aggregate_code code

  FROM wf_activity_instances a,

       wf_activity_instances_pati f, --这个表全表扫描了

       (SELECT pati_id_arg2 column_value

          FROM wf_participant_relations a,

               (SELECT pati_id_arg1 user_id

                  FROM wf_participant_relations p

                 WHERE p.pati_id_arg2 = 11521

                   AND p.relation_type = 'GRANT_H'

                UNION

                SELECT 11521 user_id FROM dual) h

         WHERE a.pati_id_arg1 = h.user_id

           AND a.relation_type IN ('MEMBER OF', 'GRANT')

        UNION

        SELECT 11521 column_value

          FROM dual

        UNION

        SELECT 5 column_value

          FROM dual

        UNION

        SELECT pati_id_arg1 column_value

          FROM wf_participant_relations p

         WHERE p.pati_id_arg2 = 11521

           AND p.relation_type = 'GRANT_H') g

 WHERE 11521 != 1

   AND a.state = 'NOTRUNNING'

   AND a.negation_ind = 'N'

   AND a.date_created <= SYSDATE

   AND (a.id = f.acin_id AND g.column_value = f.pati_id);

 

优化后:

select distinct a.acti_prce_id   prce_id,

                a.acti_id,

                a.aggregate_code code

  from (select x.*

          from wf_activity_instances x

         where x.state = 'NOTRUNNING'

           and x.negation_ind = 'N'

           and x.date_created <= sysdate) a

 where 11521 != 1

   and exists (select 1

          from wf_activity_instances_pati zz

         where zz.acin_id = a.id

           and exists (select 1

                  from (select pati_id_arg2 column_value

                          from wf_participant_relations a,

                               (select pati_id_arg1 user_id

                                  from wf_participant_relations p

                                 where p.pati_id_arg2 = 11521

                                   and p.relation_type = 'GRANT_H'

                                union

                                select 11521 user_id from dual) h

                         where a.pati_id_arg1 = h.user_id

                           and a.relation_type in ('MEMBER OF', 'GRANT')

                        union

                        select 11521 column_value

                          from dual

                        union

                        select 5 column_value

                          from dual

                        union

                        select pati_id_arg1 column_value

                          from wf_participant_relations p

                         where p.pati_id_arg2 = 11521

                           and p.relation_type = 'GRANT_H') g

                 where g.column_value = zz.pati_id))

 

wf_activity_instances,wf_activity_instances_pati

两个表均是百万级数据量

 


【电动汽车充电站有序充电调度的分散式优化】基于蒙特卡诺和拉格朗日的电动汽车优化调度(分时电价调度)(Matlab代码实现)内容概要:本文介绍了基于蒙特卡洛和拉格朗日方法的电动汽车充电站有序充电调度优化方案,重点在于采用分散式优化策略应对分时电价机制下的充电需求管理。通过构建数学模型,结合不确定性因素如用户充电行为和电网负荷波动,利用蒙特卡洛模拟生成大量场景,并运用拉格朗日松弛法对复杂问题进行分解求解,从而实现全局最优或近似最优的充电调度计划。该方法有效降低了电网峰值负荷压力,提升了充电站运营效率与经济效益,同时兼顾用户充电便利性。 适合人群:具备一定电力系统、优化算法和Matlab编程基础的高校研究生、科研人员及从事智能电网、电动汽车相关领域的工程技术人员。 使用场景及目标:①应用于电动汽车充电站的日常运营管理,优化充电负荷分布;②服务于城市智能交通系统规划,提升电网与交通系统的协同水平;③作为学术研究案例,用于验证分散式优化算法在复杂能源系统中的有效性。 阅读建议:建议读者结合Matlab代码实现部分,深入理解蒙特卡洛模拟与拉格朗日松弛法的具体实施步骤,重点关注场景生成、约束处理与迭代收敛过程,以便在实际项目中灵活应用与改进。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值