MYSQL group by 和内部连接

Posted 2023-02-24

【中文标题】MYSQL group by 和内部连接

【英文标题】：MYSQL group by and inner join

【发布时间】：2013-01-08 11:03:59

【问题描述】：

我有一个文章表，其中包含每天的文章浏览量。将创建一条新记录来保存每篇文章的每一天的计数。

下面的查询获取文章 ID 和总浏览量排名前 5 的文章 ID 的所有时间：

SELECT article_id, 
SUM(article_count) as cnt
FROM article_views
GROUP BY article_id
ORDER BY cnt DESC
LIMIT 5 

我还有一个单独的文章表，其中包含所有文章字段。我想修改上面的查询以加入文章表并为每个文章 ID 获取两个字段。我尝试在下面执行此操作，但计数返回错误：

SELECT article_views.article_id, SUM( article_views.article_count ) AS cnt, articles.article_title, articles.artcile_url
FROM article_views
INNER JOIN articles ON articles.article_id = article_views.article_id
GROUP BY article_views.article_id
ORDER BY cnt DESC
LIMIT 5

我不确定我到底做错了什么。我需要做一个子查询吗？

【参考方案1】：

将articles.article_title, articles.artcile_url 添加到GROUP BY 子句中：

SELECT 
  article_views.article_id, 
  articles.article_title, 
  articles.artcile_url,
  SUM( article_views.article_count ) AS cnt
FROM article_views
INNER JOIN articles ON articles.article_id = article_views.article_id
GROUP BY article_views.article_id,   
         articles.article_title, 
         articles.artcile_url
ORDER BY cnt DESC
LIMIT 5;

您没有得到正确结果集的原因是，当您选择未包含在 GROUP BY 或 SELECT 子句中的聚合函数中的行时，mysql 会选择随机值。

【讨论】：

令我印象深刻的是，您似乎对数据结构的了解比问题中介绍的要多得多。就一点。 MySQL 不会选择 random 值。它选择一个 任意 值。 Random 表示可以选择任何值。事实上，它几乎总是第一条记录中的值——但你不能依赖这个事实。

如果article 表中恰好有行匹配article_id、article_title 和article_url，（即不保证这三者的组合是唯一的），那么与原始查询相比，此查询返回的计数仍受“关闭”的影响。 （这确实让人想知道为什么“article”表中名为“article_id”的列中会有任何重复值。）

【参考方案2】：

您正在使用称为隐藏列的 MySQL (mis) 功能，因为文章标题不在 group by 中。但是，这可能会也可能不会导致您的问题。

如果计数错误，那么我认为您在文章表中有重复的article_id。您可以通过以下方式检查：

select article_id, count(*) as cnt
from articles
group by article_id
having cnt > 1

如果出现任何问题，那就是你的问题。如果他们都有不同的标题，那么按标题分组（如 Mahmoud 建议的那样）将解决问题。

如果没有，修复它的一种方法如下：

SELECT article_views.article_id, SUM( article_views.article_count ) AS cnt, articles.article_title, articles.artcile_url
FROM article_views INNER JOIN
     (select a.* from articles group by article_id) articles
     ON articles.article_id = article_views.article_id
GROUP BY article_views.article_id
ORDER BY cnt DESC
LIMIT 5

这会为文章选择一个任意标题。

【讨论】：

使用这种方法，cnt 值不会因article_id 值重复出现在articles 表中而被夸大；以这种方式隔离查询似乎更好。

【参考方案3】：

您的查询对我来说基本上是正确的......

但cnt 返回的值将取决于article_id 列在articles 表中的唯一性。我们假设它是主键，并且没有架构定义，这只是一个假设。）

此外，我们可能假设表之间存在外键，也就是说，articles_view 表中没有与行上的 article_id 值不匹配的 article_id 值来自articles 表。

---

要检查“孤儿” article_id 值，请运行如下查询：

SELECT v.article_id
  FROM articles_view v
  LEFT
  JOIN articles a
    ON a.article_id = v.article_id
 WHERE a.article_id IS NULL

要检查文章中的“重复”article_id 值，请运行如下查询：

SELECT a.article_id
  FROM articles a
 GROUP BY a.article_id
HAVING COUNT(1) > 1 

如果这些查询中的任何一个返回行，这可能是对您观察到的行为的解释。