Uso di una clausola DISTINCT per filtrare i dati, ma tirare ancora altri campi che non sono DISTINCT

Question

Sto provando a scrivere una query in Postgresql che estrae un insieme di dati ordinati e li filtra per un campo distinto. Devo anche prelevare diversi altri campi dalla stessa riga della tabella, ma devono essere esclusi dalla valutazione distinta. Esempio:

SELECT DISTINCT(user_id) user_id, 
     created_at 
    FROM creations 
ORDER BY created_at 
    LIMIT 20 

ho bisogno del user_id essere DISTINCT, ma non importa se la data created_at è unica o meno. Poiché la data created_at viene inclusa nella valutazione, sto ottenendo il duplicato user_id nel mio set di risultati.

Inoltre, i dati devono essere ordinati in base alla data, in modo da utilizzare DISTINCT ON non è un'opzione qui. È necessario che il campo DISTINCT ON sia il primo campo nella clausola ORDER BY e che non fornisca i risultati che cerco.

Come utilizzare correttamente la clausola DISTINCT ma limitare l'ambito a un solo campo mentre si selezionano altri campi?

Answer 1

Come hai scoperto, standard SQL tratta DISTINCT in riferimento a tutta la select-list, non solo una colonna o un paio di colonne. La ragione di ciò è che è ambiguo il valore da inserire nelle colonne che escludi dallo DISTINCT. Per lo stesso motivo, SQL standard non consente di avere colonne ambigue in una query con GROUP BY.

Ma PostgreSQL ha un'estensione non standard per SQL per consentire quello che stai chiedendo: DISTINCT ON (expr).

SELECT DISTINCT ON (user_id) user_id, created_at 
FROM creations 
ORDER BY user_id, created_at 
LIMIT 20 

È necessario includere le espressioni distinte come la parte più a sinistra della clausola ORDER BY.

Vedere il manuale su DISTINCT Clause per ulteriori informazioni.

Answer 2

L'utilizzo di una sottoquery è stato suggerito da qualcuno sul canale irC#postgresql. Ha funzionato:

SELECT user_id 
FROM (SELECT DISTINCT ON (user_id) * FROM creations) ss 
ORDER BY created_at DESC 
LIMIT 20; 

Answer 3

Il GROUP BY dovrebbe garantire valori distinti delle colonne raggruppate, questo potrebbe darvi quello che state cercando.

(Nota sto mettendo nei miei 2 centesimi, anche se non ho familiarità con PostgreSQL, ma piuttosto MySQL e Oracle)

in MySQL

SELECT user_id, created_at 
FROM creations 
GROUP BY user_id 
ORDER BY user_id 

In Oracle sqlplus

SELECT user_id, FIRST(created_at) 
FROM creations 
GROUP BY user_id 
ORDER BY user_id 

Questi ti daranno il user_id seguito dallo primocreated_at associato a quello user_id. Se si desidera un diverso created_at si ha la possibilità di sostituire in primo luogo con le altre funzioni come AVG, MIN, MAX o LAST in Oracle, si può anche provare ad aggiungere ORDER BY su altre colonne (compresi quelli che non sono tornati, per darvi un diverso created_at.

Answer 4

La tua domanda non è ben definita - quando dici che hai bisogno anche di altri dati dalla stessa riga non stai definendo quale riga.

Non dici è necessario ordinare i risultati per created_at, quindi mi supporre che si desidera valori della riga con min created_at (prima).

Questa ora diventa una delle domande SQL più comuni, ovvero il recupero di righe contenenti un valore aggregato (MIN, MAX).

Per esempio

SELECT user_id, MIN(created_at) AS created_at 
FROM creations 
GROUP BY user_id 
ORDER BY MIN(create_at) 
LIMIT 20 

Questo approccio non ti consente di (facilmente) scegliere altri valori dalla stessa riga.

Un approccio che vi permetterà di scegliere altri valori è

SELECT c.user_id, c.created_at, c.other_columns 
FROM creations c LEFT JOIN creation c_help 
    ON c.user_id = c_help.user_id AND c.created_at > c_help.create_at 
WHERE c_help IS NULL 
ORDER BY c.created_at 
LIMIT 20 

Answer 5

Se si desidera che la created_at più recente per ogni utente, allora ti suggerisco di aggregare in questo modo:

SELECT user_id, MAX(created_at) 
FROM creations 
WHERE .... 
GROUP BY user_id 
ORDER BY created_at DESC 

Ciò restituirà la più recente created_at per ogni user_id Se si desidera solo la top 20, quindi aggiungere

LIMIT 20 

EDIT: Questa è fondamentalmente la stessa cosa sopra descritta da Unreason ... definire da quale riga si vogliono i dati per aggregazione.