SQL Server count() over() with distinct

Posted 2023-02-24

【中文标题】SQL Server count() over() with distinct

【英文标题】：SQLServer count() over() with distinct

【发布时间】：2016-01-14 21:41:28

【问题描述】：

我正在做一个项目，我们需要计算不同行的数量。该场景的简化版本包括user 表、keyword 表和keyword_user 表。

user 表只包含常见的用户元数据，如姓名等。其他表如下所列。

keyword_user：

id
user_id
keyword_id

关键词：

id,
description

我想要做的是根据用户关键字 ID 找到最大用户数 (5)，同时还要计算匹配行的总数。计数必须是不同的。

查询：

SELECT TOP 5 u.[id], 
             u.[firstname], 
             u.[lastname], 
             total = Count(*) OVER() 
FROM   [user] u 
       INNER JOIN [keyword_user] ku 
               ON u.[id] = ku.[user_id] 
WHERE  ( ku.keyword_id IN ( '5f6501ec-0a71-4067-a21d-3c5f87a76411', 'c19b95c0-8554-4bbd-9526-db8f1c4f1edf')) 
       AND u.id NOT IN ( '12db3001-b3b9-4626-8a02-2519102cb53a' ) 

结果集：

+--------------------------------------+-----------+----------+-------+
|                  id                  | firstname | lastname | total |
+--------------------------------------+-----------+----------+-------+
| F0527AC3-747A-45A6-9CF9-B1F6C7F548F8 | Kasper    | Thomsen  |     3 |
| 95988F6D-9C91-4779-B6C3-3D4B4D6AE836 | Michael   | Jacobsen |     3 |
| 95988F6D-9C91-4779-B6C3-3D4B4D6AE836 | Michael   | Jacobsen |     3 |
+--------------------------------------+-----------+----------+-------+

问题：

这里的问题是，Michael 被计算了两次，因此总计数为 3，而我希望它为 2。使用 count() over() 时，您无法将包含不同的表达式解析到其中。另外，如果我只是SELECT DISTINCT，我的结果集看起来很好，除了总数，它仍然是 3。

如果我需要提供更多信息来支持这个问题，请告诉我，我会尽力回答。

MSSQL 创建数据库脚本（样本数据）

example_data.sql

想要的结果集：

+--------------------------------------+-----------+----------+-------+
|                  id                  | firstname | lastname | total |
+--------------------------------------+-----------+----------+-------+
| F0527AC3-747A-45A6-9CF9-B1F6C7F548F8 | Kasper    | Thomsen  |     2 |
| 95988F6D-9C91-4779-B6C3-3D4B4D6AE836 | Michael   | Jacobsen |     2 |
+--------------------------------------+-----------+----------+-------+

【问题讨论】：

亲爱的，我删除了我的答案，我认为一个解决方案

试试我的更新答案

是的，给我一秒钟，我会试试看 :)

另外请注意我添加了一个带有示例数据的脚本

@ThomasTeilmann，请使用架构、示例数据和预期结果创建 SqlFiddle，而不是发布指向 Dropbox 的链接。目前，您在问题中发布的预期结果集与示例数据不匹配。

【参考方案1】：

试试这个： 我创建了两个临时表（#user 和 #user_key）并填充它们。

create table #user (id int, name varchar(20))

create table #user_key (id int, fk_user int, content varchar(50))

insert into #user values 
(1, 'Giuseppe'),
(2, 'Anna'),
(3, 'Angela'),
(4, 'Maria'),
(5, 'Ethra'),
(6, 'Piero')

insert into #user_key values 
(1, 1, 'ciao'),
(2, 1, 'hello'),
(3, 2, 'hallo'),
(4, 4, 'hullo')

提取查询：

我将#user 用作主表，因此我添加了一个关于总数的子查询，但在 order by 子句中，我尝试对用户的关键字进行排序。您可以添加其他条件（如您的 In / NOT IN）

select top 5 id, name, (select COUNT(*) from #user_key uk)
from #user u
order by (select COUNT(*) from #user_key uk where uk.fk_user = u.id) desc

转到SqlFiddle

编辑

你想要这个？：

97D476C2-B52C-4D44-A460-44472CBF8817    Michael testing 2
F4FE5550-BC69-437E-91A0-5B11E0D9279E    Kasper  Test    2

还是这个？

97D476C2-B52C-4D44-A460-44472CBF8817    Michael testing 2
F4FE5550-BC69-437E-91A0-5B11E0D9279E    Kasper  Test    2
12DB3001-B3B9-4626-8A02-2519102CB53A    Thomas  Teil    2

【讨论】：

不幸的是，这不会按预期工作。计数将显示用户被选中的次数，即单个用户匹配了多少关键字。示例：如果 michael 在 Where 子句中包含两个关键字，则该行的计数将为 2。我需要与这两个关键字匹配的所有用户的总数，但只选择其中的 5 个。例如，计数器可以是 77。

对不起，但我很难将您建议的答案与我陈述的场景联系起来：/ 看来您并不完全理解我面临的问题。真的很难解释。你能看看我为 Ken Lacostes 的答案写的 cmets 吗？

【参考方案2】：

你可以试试：

    SELECT TOP 5 * FROM (
    SELECT
        u.[id], 
        u.[firstname], 
        u.[lastname], 
        total = Count(*) OVER(PARTITION BY ku.keyword_id),
        rownum = ROW_NUMBER() OVER(PARTITION BY ku.keyword_id ORDER BY u.ID)
    FROM   [user] u 
    INNER JOIN [keyword_user] ku 
        ON u.[id] = ku.[user_id] 
    WHERE (ku.keyword_id IN ( '5f6501ec-0a71-4067-a21d-3c5f87a76411', 'c19b95c0-8554-4bbd-9526-db8f1c4f1edf')) 
           AND u.id NOT IN ( '12db3001-b3b9-4626-8a02-2519102cb53a' )
    ) AS A ORDER BY A.rownum DESC

【讨论】：

如果我将该表达式放在 over 子句中，它只会向上计数一个 pr。与 where 子句中的关键字匹配的关键字。 IE。 Michaels 计数为 2，Kaspers 计数为 1。这里的想法是获取可能匹配这些给定关键字的用户总数，但只选择最大值。其中 5 个，同时仍然得到总数。 :)

你能给我样本数据的脚本吗？

是的，我可以，请给我几分钟时间来创建它。

在那里，我在帖子底部链接到一个 db 脚本。 :)

我想选择 5 个用户，他们在 where 子句中包含这些关键字中的任何一个。每个用户必须有一个计数，以反映数据库中有多少用户与这些关键字匹配，同时仍返回 5 行。示例：可能有 77 个用户选择了我们在搜索中包含的相同关键字。因此，我们仍然应该获得最多 5 个用户，而计数反映了有多少用户拥有此关键字。 (77)。请阅读我为 Ken Lacostes 写的 cmets 答案:)

【参考方案3】：

在您的情况下，我有点困惑，特别是“关键字”以及它们如何与每个用户相关（这对我来说只是一个流程问题）因此发现自己通过包含您的初始查询作为我的源表。

请在下方发表评论，以便我们改进。

SELECT 
    id
    , firstname
    , lastname
    , total
    , COUNT(*) AS [per_user_count]
FROM (
       SELECT TOP 5 u.[id], 
             u.[firstname], 
             u.[lastname], 
             total = Count(*) OVER() 
       FROM [user] u 
       INNER JOIN [keyword_user] ku 
           ON u.[id] = ku.[user_id] 
       WHERE 
       ( 
           ku.keyword_id IN (
              '5f6501ec-0a71-4067-a21d-3c5f87a76411'
              , 'c19b95c0-8554-4bbd-9526-db8f1c4f1edf'
           )
       ) 
       AND u.id NOT IN ('12db3001-b3b9-4626-8a02-2519102cb53a')
) AS T
GROUP BY
    T.id
    , T.firstname
    , T.lastname
    , T.total

编辑：我们真的很困惑，所以我创建了一个更简单的脚本，该脚本将排除关键字，仅排除唯一用户（生成总体总数）并获得其中的前 5 个（随机顺序）。

    SELECT 
        TOP 5
        T.id
        , T.firstname
        , T.lastname
        , Total = COUNT(*) OVER()
    FROM (
        SELECT DISTINCT
            u.*
        FROM [keyword_user] ku
        LEFT JOIN [user] u
        ON
            ku.user_id = u.id
        WHERE 
        ( 
            ku.keyword_id IN (
                '5f6501ec-0a71-4067-a21d-3c5f87a76411'
                , 'c19b95c0-8554-4bbd-9526-db8f1c4f1edf')
        ) 
        AND ku.[user_id] NOT IN ( 
                '12db3001-b3b9-4626-8a02-2519102cb53a' 
            )
    ) AS T

谢谢

编辑：您的方案是与实体相关联的直接“关键字搜索”，具有总计数和前 5 个结果。正如我对 CTE 的理解（并且基于 MSDN），CTE 是分层数据挖掘的一个很好的解决方案（不需要做 while 和做任何后空翻来获得你的组织层次结构），它并不真正适合场景我们在这里。

【讨论】：

是的，我明白你为什么对此感到困惑，因为最初的数据库设计相当大。这就是为什么我尝试制作它的简化版本:) 我会尝试你的建议。给我一分钟:)

啊，你在每一行都包含了一个计数，显示了用户被选中的次数，代表他有多少关键字。不幸的是，这并不是我真正感兴趣的。我想要一个反映数据库中有多少用户具有这些关键字的计数，但最多只返回 5 个。我知道它有点难以理解，但也很难解释:) 所以这不是个人计数，而是一种全球计数。它必须是不同的。

其实我只对总数感兴趣，但还是不明显。 （它在所有行上返回 3，在这种情况下它应该返回 2。）如果您想要挑战，我已经添加了一个带有一些示例数据的 db create 脚本 :)

每个用户有不同的关键字？还是不同的 USER PER 关键字？

两者都不是 :) 我知道这有点奇怪，但我想要的是一个数字，不知何故，数据库中有多少用户（总数）具有任何这些关键字。它可能是 77，同时仍返回 2 行。这两行的总数仍为 77。如果需要，请提出更多问题。我会尽力回答:)

【参考方案4】：

你真的应该在问题中解释你需要什么，而不是在 cmets 中。

在CTE_Users 中，我们找到给定关键字的所有不同用户。 然后用user 加入结果以获取用户详细信息。对于给定的小样本数据，至少它会产生您期望的结果。

WITH
CTE_Users
AS
(
    SELECT DISTINCT ku.user_id
    FROM
        keyword_user AS ku
    WHERE
        ku.keyword_id IN (
            '5f6501ec-0a71-4067-a21d-3c5f87a76411', 
            'c19b95c0-8554-4bbd-9526-db8f1c4f1edf')
        AND ku.user_id NOT IN (
            '12db3001-b3b9-4626-8a02-2519102cb53a')
)
SELECT TOP(5)
    u.id
    ,u.firstname
    ,u.lastname
    ,COUNT(*) OVER() AS total
FROM
    user AS u
    INNER JOIN CTE_Users ON CTE_Users.user_id = u.id
;

【讨论】：

我要试试这个，但为了记录，我想我在问题中说得很清楚：“我想做的是找到最大用户数 (5)，基于在用户的keyword_id上，同时还计算匹配行的总数。计数必须是不同的。”。您的答案似乎不错，但我无法在一小时左右之前对其进行测试。谢谢

这就是问题所在。你认为你说得很清楚，但只有在我阅读了你对 Nguyễn 的评论以及 77 个用户的例子后，我才开始理解你在说什么。您应该在问题中包含这些解释。

我有一个问题：如果我想加入更多表以进一步过滤用户，我应该把它放在哪里以获得最佳实践？ （我需要加入用户ID（u.id）

Err...... 这取决于...... CTE_Users 应该包含不同用户 ID 的最终过滤列表，因此在此处添加额外过滤是有意义的。

谢谢，您的答案是最适合我的答案，我已接受它作为答案。干得好！