sql >> Database >  >> RDS >> Mysql

Vreemd dubbel gedrag van GROUP_CONCAT van twee LEFT JOIN's van GROUP_BY's

Uw tweede vraag is van de vorm:

q1 -- PK user_id
LEFT JOIN (...
    GROUP BY user_id, t.tag
) AS q2
ON q2.user_id = q1.user_id 
LEFT JOIN (...
    GROUP BY user_id, c.category
) AS q3
ON q3.user_id = q1.user_id
GROUP BY -- group_concats

De binnenste GROUP BY's resulteren in (user_id, t.tag) &(user_id, c.category) sleutels/UNIEK zijn. Verder ga ik niet in op die GROUP BY's.

TL;DR Wanneer je (q1 JOIN q2) aan q3 toevoegt, is het niet op een sleutel/UNIEK van een van hen, dus voor elke user_id krijg je een rij voor elke mogelijke combinatie van tag en categorie. Dus de laatste GROUP BY voert duplicaten in per (user_id, tag) &per (user_id, categorie) en ongepast GROUP_CONCATs dubbele tags en categorieën per user_id. Correct zou zijn (q1 JOIN q2 GROUP BY) JOIN (q1 JOIN q3 GROUP BY) waarin alle joins op een gemeenschappelijke sleutel staan/UNIEKE (user_id) &er is geen valse aggregatie. Hoewel je zo'n valse samenvoeging soms ongedaan kunt maken.

Een correcte symmetrische INNER JOIN-aanpak:LEFT JOIN q1 &q2--1:many--dan GROUP BY &GROUP_CONCAT (wat je eerste query deed); dan afzonderlijk op dezelfde manier LEFT JOIN q1 &q3--1:many--dan GROUP BY &GROUP_CONCAT; dan BINNEN DE twee resultaten OP user_id--1:1.

Een correcte symmetrische scalaire subquerybenadering:SELECTEER de GROUP_CONCAT's van q1 als scalar subquery's elk met een GROUP BY.

Een correcte cumulatieve LEFT JOIN-benadering:LEFT JOIN q1 &q2--1:many--dan GROUP BY &GROUP_CONCAT; dan LEFT JE AAN dat &q3--1:many--dan GROUP BY &GROUP_CONCAT.

Een correcte benadering zoals uw 2e vraag:U gaat eerst LEFT JOIN q1 &q2--1:many. Dan ga je LEFT JOIN dat &q3--veel:1:veel. Het geeft een rij voor elke mogelijke combinatie van een tag &een categorie die verschijnen met een user_id. Nadat u GROUP DOOR u GROUP_CONCAT--over dubbele (user_id, tag) paren en dubbele (user_id, categorie) paren. Daarom heb je dubbele lijstelementen. Maar het toevoegen van DISTINCT aan GROUP_CONCAT geeft een correct resultaat. (Per wchiquito 's commentaar.)

Waar u de voorkeur aan geeft, is zoals gewoonlijk een technische afweging die moet worden gemaakt door queryplannen en -tijden, per werkelijke gegevens/gebruik/statistieken. invoer en statistieken voor de verwachte hoeveelheid duplicatie), timing van daadwerkelijke zoekopdrachten, enz. Een probleem is of de extra rijen van de many:1:many JOIN-benadering de besparing van een GROUP BY compenseerde.

-- cumulative LEFT JOIN approach
SELECT
   q1.user_id, q1.user_name, q1.score, q1.reputation,
    top_two_tags,
    substring_index(group_concat(q3.category  ORDER BY q3.category_reputation DESC SEPARATOR ','), ',', 2) AS category
FROM
    -- your 1st query (less ORDER BY) AS q1
    (SELECT
        q1.user_id, q1.user_name, q1.score, q1.reputation, 
        substring_index(group_concat(q2.tag  ORDER BY q2.tag_reputation DESC SEPARATOR ','), ',', 2) AS top_two_tags
    FROM
        (SELECT 
            u.id AS user_Id, 
            u.user_name,
            coalesce(sum(r.score), 0) as score,
            coalesce(sum(r.reputation), 0) as reputation
        FROM 
            users u
            LEFT JOIN reputations r 
                ON    r.user_id = u.id 
                  AND r.date_time > 1500584821 /* unix_timestamp(DATE_SUB(now(), INTERVAL 1 WEEK)) */
        GROUP BY 
            u.id, u.user_name
        ) AS q1
        LEFT JOIN
        (
        SELECT
            r.user_id AS user_id, t.tag, sum(r.reputation) AS tag_reputation
        FROM
            reputations r 
            JOIN post_tag pt ON pt.post_id = r.post_id
            JOIN tags t ON t.id = pt.tag_id
        WHERE
            r.date_time > 1500584821 /* unix_timestamp(DATE_SUB(now(), INTERVAL 1 WEEK)) */
        GROUP BY
            user_id, t.tag
        ) AS q2
        ON q2.user_id = q1.user_id 
        GROUP BY
            q1.user_id, q1.user_name, q1.score, q1.reputation
    ) AS q1
    -- finish like your 2nd query
    LEFT JOIN
    (
    SELECT
        r.user_id AS user_id, c.category, sum(r.reputation) AS category_reputation
    FROM
        reputations r 
        JOIN post_category ct ON ct.post_id = r.post_id
        JOIN categories c ON c.id = ct.category_id
    WHERE
        r.date_time > 1500584821 /* unix_timestamp(DATE_SUB(now(), INTERVAL 1 WEEK)) */
    GROUP BY
        user_id, c.category
    ) AS q3
    ON q3.user_id = q1.user_id 
GROUP BY
    q1.user_id, q1.user_name, q1.score, q1.reputation
ORDER BY
    q1.reputation DESC, q1.score DESC ;



  1. Overdenkingen over SQL Server-beveiliging

  2. Selectquery met offsetlimiet is te traag

  3. ORA-16205 Upgraden naar 11.2.0.3

  4. Visual COBOL verbinden met MySQL