当信息存储在辅助表中时，如何在 SQL 中查询页面的最新版本？

Posted 2023-02-16

【中文标题】当信息存储在辅助表中时，如何在 SQL 中查询页面的最新版本？

【英文标题】：How can I query the latest version of a page in SQL, when that information is stored in a secondary table?

【发布时间】：2021-03-26 15:39:12

【问题描述】：

假设我正在编写一个 wiki¹。我可能有一个表，其中包含每个 wiki 页面的一行，另一个表包含该页面的每个版本，以及版本对应的页面的外键。用户可以请求查看每个页面的列表，包括页面的标题（由于标题可以更新，因此应使用版本进行跟踪，因此该标题包含在版本表中）。

我可以先进行查询以获取 wiki 页面列表，然后进行单独查询以获取每个页面的标题，但这个查询数量似乎比我需要的查询多得多，因此由于服务器往返，以及 SQL 库中的一些（非常轻微的）阻塞，性能较低。

相反，我宁愿在 wiki 页面表和版本表之间执行类似 JOIN 的操作，但随后我会在结果中为每个版本获得单独的一行，传输和准备比我需要的更多的数据。在我查看页面内容的查询中，我只使用了ORDER BY timestamp DESC LIMIT 1，它可以很好地解决这个问题，但是这对于列表案例来说是行不通的，因为我需要不止一行。我可以将 order by 和 limit 分别应用于共享页面 id 的每组行吗？

我的下一个想法是尝试使用子查询，这就是我的研究尝试指向的全部内容，基本上是做我的第一个选择，但 Postgres 的优化器可以一次看到整个操作，并希望优化它而不是使用很多查询，为了避免更多的往返和阻塞，但是当我查看 Postgres 的 list of available subquery options 时，我无法弄清楚如何使用它们中的任何一个来解决这个问题。

最后，我可以将标题（以及我在此查询中需要的其他每个版本的数据）存储在主表中，但这是数据重复，因此是一种不好的做法。尽管如此，这似乎是我目前能想到的最不邪恶的事情。因此，问题是：如何查询我需要的数据，以高性能的方式生成包含最新每个版本数据的 wiki 页面列表，并且不重复数据？

1：我的项目不是一个wiki，但由于它的细节暂时是私人的，我需要举一个稍微做作的例子。

【参考方案1】：

您正在描述一个 top-1-per-group 问题。在没有看到实际结构的情况下，这是相当理论上的，但可以在 Postgres 中使用distinct on 来实现逻辑。看起来像这样：

select distinct on (p.page_id) p.*, pv.title
from pages p
inner join page_versions pv on pv.page_id = p.page_id
order by p.page_id, pv.timestamp desc

或者您可以使用横向连接：

select p.*, pv.title
from pages p
cross join lateral (
    select pv.*
    from page_versions pv
    where pv.page_id = p.page_id
    order by pv.timestamp desc limit 1
) pv