如何编写查询选择合理的权衡？

Posted 2023-04-19

【中文标题】如何编写查询选择合理的权衡？

【英文标题】：How to write a query selecting reasonable trade-offs?

【发布时间】：2011-04-15 21:30:30

【问题描述】：

在一个表中，我有两列 obs 和 abd。我有兴趣找到 obs 和 abd 的值都较低，但 abd 的值较低 比 obs 的低值重要。在现实世界中，我有一个 难以定义的低 obs 和低 abd 之间的权衡 数学上很难解释，但重点是 我想从查询中看到一些数据 合理的取舍。我想知道一个内的几个数据对 obs 值的范围。例如：

mysql> select obs, abd from flow where obs < 2000 order by abd,obs limit 10;

    +------+--------------+
    | obs  | abd          |
    +------+--------------+
    | 1372 | 0.0000004744 |
    | 1734 | 0.0000017704 |
    | 1010 | 0.0000017716 |
    | 1999 | 0.0000017716 |
    | 1637 | 0.0000036486 |
    |  383 | 0.0000066084 |
    |  745 | 0.0000066084 |
    | 1107 | 0.0000066084 |
    | 1469 | 0.0000066084 |
    | 1831 | 0.0000066084 |
    +------+--------------+

从上面的结果可以看出有几个值 具有相同 abd 值的 obs。我只对一个感兴趣 每个 abd 值的 obs 值最低。所有其他的 应丢弃重复的 abd 值。这很容易通过 使用 group by 子句：

mysql> select obs, abd from flow where obs < 2000 group by abd order by abd,obs limit 10;

    +------+--------------+
    | obs  | abd          |
    +------+--------------+
    | 1372 | 0.0000004744 |
    | 1734 | 0.0000017704 |
    | 1010 | 0.0000017716 |
    | 1637 | 0.0000036486 |
    |  383 | 0.0000066084 |
    |  648 | 0.0000066096 |
    | 1540 | 0.0000097586 |
    | 1928 | 0.0000109544 |
    | 1566 | 0.0000119724 |
    |  913 | 0.0000119736 |
    +------+--------------+

到目前为止，一切都很好。现在的问题是，在看到第一个 obs 为 1372 且 abd 为 0.0000004744 我不感兴趣的条目 看到 obs 和 abd 都较高的第二个条目。我是 有兴趣查看 obs 较低但 abd 为的第三个条目 更高是因为 obs 和 abd 之间存在权衡。再说一次，我是 对查看第四个条目不感兴趣，因为它的值为 obs 和 abd 都高于第三个中已经显示的值 入口。第五条是我特别感兴趣的，因为 虽然 abd 值稍高，但 obs 值要低得多。 至于其余的条目，我不想看到它们，因为 它们的 obs 和 abd 都比已经看到的要高。

总之，我想要一个能显示给我的查询：

+------+--------------+
| obs  | abd          |
+------+--------------+
| 1372 | 0.0000004744 |
| 1010 | 0.0000017716 |
|  383 | 0.0000066084 |
+------+--------------+

加上另外七个条目，其中 obs 继续减少和 abd 继续增加。有没有办法获取数据对集 一个查询而不诉诸程序？

【参考方案1】：

要通过abd 获得最低的obs，您可以这样做：

select min(obs), abd
from flow
where obs < 2000 
group by abd 
order by abd

但在我看来，权衡规则是一种临时性的。您应该尝试找出您能想到的最佳规则并将它们放在桌面上，以便我们能够实现您想要做的事情。

【参考方案2】：

你可以说你想要一个Pareto front

它不会很快，但试试这个：

SELECT a.obs
     , a.abd
FROM flow a
  LEFT JOIN flow b
    ON   ( b.obs <= a.obs AND b.abd <  a.abd )
      OR ( b.obs <  a.obs AND b.abd <= a.abd )
WHERE b.obs IS NULL
ORDER BY a.abd

还有：

SELECT a.obs
     , a.abd
FROM flow a
WHERE NOT EXISTS
  ( SELECT 1
    FROM flow b
    WHERE ( b.obs <= a.obs AND b.abd <  a.abd )
      OR ( b.obs <  a.obs AND b.abd <= a.abd )
  )
ORDER BY a.abd

还有这个：

SELECT a.obs
     , a.abd
FROM flow a
WHERE NOT EXISTS
  ( SELECT 1
    FROM flow b
    WHERE b.obs <= a.obs
      AND b.abd <  a.abd
  )
  AND NOT EXISTS
  ( SELECT 1
    FROM flow b
    WHERE b.obs < a.obs
      AND b.abd = a.abd
  )
ORDER BY a.abd

或者这个：

SELECT a.obs
     , a.abd
FROM flow a
WHERE NOT EXISTS
  ( SELECT 1
    FROM flow b
    WHERE b.obs <= a.obs
      AND b.abd <= a.abd
      AND (b.obs, b.abd) <> (a.obs, a.abd)
  )
ORDER BY a.abd

检查 4 个中哪个更快。如果你在obs 和abd 上有索引，我猜是第四个。或者更好，（正如 Unreason 指出的那样），两个索引：一个在 (obs, abd) 上，一个在 abd 上。

---

更新： （第三次查询的小修正）。

【讨论】：

如果 (obs, abd) 上有索引，甚至更快

另外，根据explainextended.com/2009/09/18/…（这是简单的和不同的情况）left join/is null 产生更好的计划。

@Unreason：是的，你是对的，（obs，abd）和（abd）上的索引可能在这里最好。对于“左连接与不存在”以及哪个产品最好的计划，我只相信使用真实数据的测试。我认为数据分布可能会对大型数据集产生影响。