# Faster String Aggregations with Dimension Tables

- 发布方：DuckDB；作者：The DuckDB team
- 形式：实践教程 · en
- 原始资源：[https://duckdb.org/2026/10/02/dimension-tables.html](<https://duckdb.org/2026/10/02/dimension-tables.html>)
- 本站页面：[https://oplearnx.com/resources/res\_aggdsmdrt362](<https://oplearnx.com/resources/res_aggdsmdrt362>)
- 学习主题：计算机科学 / 数据库与 SQL
- 内容状态：状态待核验
- 原始发布时间：未知（待核验）
- 本站首次收录：2026-10-23 03:00

## 能学到什么

学会用星型模型的维表 \+ 窄整数键，改写按长重复字符串分组的分析查询，降低哈希聚合的成本与内存占用。

- 解释为什么在 DuckDB 中按长字符串 GROUP BY 比按整数键代价更高（哈希、逐字节比较、复制字符串、缓存与溢出）
- 用 count\(DISTINCT ...\) 测量列基数，并据此选择最窄的无符号整数类型（UTINYINT/USMALLINT/UINTEGER）作为键
- 用 row\_number\(\) OVER \(ORDER BY ...\) 为每个不同字符串生成有序、确定性的整数键，构建维表
- 用 LEFT JOIN 把事实表的字符串列替换为整数键，并说明 NULL 值在维表中的处理方式
- 在整数键上做聚合，必要时在最后一步再 join 回字符串，得到与原先相同的查询结果
- 了解完美哈希聚合（perfect\_ht\_threshold）在小而稠密的键范围下如何避免哈希

## 适合我吗

- 适合：适合已有 SQL 基础、使用 DuckDB 做分析型查询并关注分组聚合性能的数据工程或数据分析学习者。
- 需要留意：不适合完全没写过 SQL、或想系统学习数据库理论而不打算实际跑查询的初学者。

## 前置条件与费用

- 知识前置：需要会写基本 SQL（GROUP BY、JOIN、窗口函数）并能在 DuckDB 中建表与导入 Parquet。
- 软件、账号与硬件：无需特殊硬件；可用 DuckDB CLI 或网页版 shell，能联网读取示例 Parquet 数据即可。
- 内容费用：免费：节选可直接读到完整教程正文与 SQL 示例，无付费墙或登录拦截。
- 实践费用：实践无额外费用：示例数据从公开 Parquet URL 读取，DuckDB 与网页 shell 免费，网页未提及其他付费资源。
- 转载与修改：按材料分别核对，见本页“来源核验与开课实跑”；仓库许可不自动适用于教材或视频。

## 准备工具

- [DuckDB CLI](<https://duckdb.org/docs/1.5/clients/cli/overview.html>)：本地执行教程中的 SQL
- [DuckDB web shell](<https://shell.duckdb.org/>)：免安装在线运行 SQL

## 学习指南

开课检查：提示词由本站整理，尚未按提示词实际完成开课检查。

### 开课提示词（Windows）

```text
请帮我把「Faster String Aggregations with Dimension Tables」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://duckdb.org/2026/10/02/dimension-tables.html
我的系统：Windows。如果实际不符，先调整方案。
本次路线：Windows：本机动手。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：按博文步骤在本地或网页 shell 复现两种写法，用 EXPLAIN ANALYZE 比较耗时与哈希表大小。
课节（官方顺序）：
1. Faster String Aggregations with Dimension Tables（全文）：https://duckdb.org/2026/10/02/dimension-tables.html

1. 环境
- DuckDB（CLI 或网页 shell）
- 可联网读取示例 Parquet 数据
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 官方课程页面：只记录链接 https://duckdb.org/2026/10/02/dimension-tables.html
3. 目录（最外层放在我确认的位置）
duckdb-dimension-tables-string-agg/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.ps1     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    └── 01-01-faster-string-aggregations-with-dimension/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.ps1，逐项检查并记录“通过/未通过”：
- 在课程根目录运行；每项检查独立执行，进入子目录不能影响下一项。将下面检查转换为 PowerShell 命令，不使用 Bash 语法。
  - SELECT count(DISTINCT station_name) FROM train_services;  → 返回 537
  - DESCRIBE stations;  → 包含 station_name 与 USMALLINT 类型的 station_id
  - EXPLAIN ANALYZE SELECT station_id, count(*) FROM train_services_encoded GROUP BY station_id;  → 能在计划中看到分组聚合使用整数键
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。
```

### 开课提示词（macOS）

```text
请帮我把「Faster String Aggregations with Dimension Tables」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://duckdb.org/2026/10/02/dimension-tables.html
我的系统：macOS。如果实际不符，先调整方案。
本次路线：macOS：本机动手。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：按博文步骤在本地或网页 shell 复现两种写法，用 EXPLAIN ANALYZE 比较耗时与哈希表大小。
课节（官方顺序）：
1. Faster String Aggregations with Dimension Tables（全文）：https://duckdb.org/2026/10/02/dimension-tables.html

1. 环境
- DuckDB（CLI 或网页 shell）
- 可联网读取示例 Parquet 数据
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 官方课程页面：只记录链接 https://duckdb.org/2026/10/02/dimension-tables.html
3. 目录（最外层放在我确认的位置）
duckdb-dimension-tables-string-agg/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.sh     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    └── 01-01-faster-string-aggregations-with-dimension/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.sh，逐项检查并记录“通过/未通过”：
- 在课程根目录运行；每项检查独立执行，进入子目录不能影响下一项。使用当前系统的终端运行。
  - SELECT count(DISTINCT station_name) FROM train_services;  → 返回 537
  - DESCRIBE stations;  → 包含 station_name 与 USMALLINT 类型的 station_id
  - EXPLAIN ANALYZE SELECT station_id, count(*) FROM train_services_encoded GROUP BY station_id;  → 能在计划中看到分组聚合使用整数键
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。
```

### 开课提示词（Linux）

```text
请帮我把「Faster String Aggregations with Dimension Tables」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://duckdb.org/2026/10/02/dimension-tables.html
我的系统：Linux。如果实际不符，先调整方案。
本次路线：Linux：本机动手。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：按博文步骤在本地或网页 shell 复现两种写法，用 EXPLAIN ANALYZE 比较耗时与哈希表大小。
课节（官方顺序）：
1. Faster String Aggregations with Dimension Tables（全文）：https://duckdb.org/2026/10/02/dimension-tables.html

1. 环境
- DuckDB（CLI 或网页 shell）
- 可联网读取示例 Parquet 数据
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 官方课程页面：只记录链接 https://duckdb.org/2026/10/02/dimension-tables.html
3. 目录（最外层放在我确认的位置）
duckdb-dimension-tables-string-agg/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.sh     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    └── 01-01-faster-string-aggregations-with-dimension/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.sh，逐项检查并记录“通过/未通过”：
- 在课程根目录运行；每项检查独立执行，进入子目录不能影响下一项。使用当前系统的终端运行。
  - SELECT count(DISTINCT station_name) FROM train_services;  → 返回 537
  - DESCRIBE stations;  → 包含 station_name 与 USMALLINT 类型的 station_id
  - EXPLAIN ANALYZE SELECT station_id, count(*) FROM train_services_encoded GROUP BY station_id;  → 能在计划中看到分组聚合使用整数键
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。
```

### 每课提示词

```text
继续学习「Faster String Aggregations with Dimension Tables」。课程目录是 duckdb-dimension-tables-string-agg/（不知道完整路径就先问我）。
1. 读 progress.md，找到下一课；如果我指定了第几课，就准备那一课。
2. 打开这一课的官方页面和本地讲义，列出本课练习要用的工具、文件和样例数据。缺少的先告诉我，等我同意再安装或下载。
3. 在 lessons/ 对应的课节文件夹里准备好练习：exercises/ 里给每道题建一个文件，写上题号和题目原文链接，不写答案；已有文件保留，样例数据放到 data/。拿不到官方题目或起始代码时记录限制，不编造替代品。
4. 按 README 运行开课时生成的自检脚本或在线检查清单，并检查本课新增工具能否正常使用。
5. 告诉我：本课先读哪几节、从哪道练习开始、大约需要多久。我学完后，帮我在 progress.md 勾选并把问题整理到 questions.md。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
```

### 课节（官方顺序）

1. [Faster String Aggregations with Dimension Tables（全文）](<https://duckdb.org/2026/10/02/dimension-tables.html>)

## 指南参考

- [课程主页](<https://duckdb.org/2026/10/02/dimension-tables.html>)

## 来源、许可与验证记录

- **开课提示词未完整验证，需要自备账号或资源**：开课提示词尚未实际运行验证
- 转载与修改 · 课程页面与材料：未找到明确许可。本节选未出现文章或站点的具体许可声明；仅正文链接到 DuckDB GitHub 仓库 [依据](<https://duckdb.org/2026/10/02/dimension-tables.html>)
- 链接检查：1/1 个可以访问

## 来源与推荐

- 编辑整理收录

---
来源：LearnMap · 学径（https://oplearnx.com）