在连接上扩展 SQL 查询的最佳实践？

Posted 2023-03-23

【中文标题】在连接上扩展 SQL 查询的最佳实践？

【英文标题】：Best practice for scaling SQL queries on joins?

【发布时间】：2020-11-06 23:01:45

【问题描述】：

我正在编写一个与 SQL 一起使用的 REST api，并且我经常发现自己处于与此类似的情况，我需要通过查询表连接来返回对象列表以及每个对象内的嵌套列表。

假设我在用户和组之间有一个多对多的关系。我有一个用户表和一个组表以及它们之间的连接表用户组。现在我想编写一个 REST 端点，它返回一个用户列表，以及每个用户他们注册的组。我想返回一个格式如下的 json：

[
    
        "username": "test_user1",
        <other attributes ...>
        "groups": [
            
                "group_id": 2,
                <other attributes ...>
            ,
            
                "group_id": 3,
                <other attributes ...>
            
        ]
    ,
    
        "username": "test_user2",
        <other attributes ...>
        "groups": [
            
                "group_id": 1,
                <other attributes ...>
            ,
            
                "group_id": 2,
                <other attributes ...>
            
        ]
    ,
    etc ...

我能想到的查询 SQL 的方法有两种或三种：

发出可变数量的 SQL 查询：查询用户列表，然后遍历每个用户以查询联结链接以填充每个用户的组列表。 SQL 查询的数量随着返回的用户数量线性增加。

示例（使用 python flask_sqlalchemy / flask_restx）：

users = db.session.query(User).filter( ... )
for u in users:
    groups = db.session.query(Group).join(UserGroup, UserGroup.group_id == Group.id) \
        .filter(UserGroup.user.id == u.id)
retobj = api.marshal([**u.__dict__, 'groups': groups for u in users], my_model)
# Total number of queries: 1 + number of users in result

发出固定数量的 SQL 查询：这可以通过发出一个单一的 SQL 查询来完成，该查询执行所有连接，在用户的列中可能存在大量冗余数据，或者通常更优选地，几个单独的 SQL 查询。例如，查询用户列表，然后查询加入 GroupUsers 的组表，然后在服务器代码中手动对组进行分组。

示例代码：

from collections import defaultdict
users = db.session.query(User).filter( ... )
uids = [u.id for u in users]
groups = db.session.query(User.user_id, Group).join(UserGroup, UserGroup.group_id == Group.id) \
        .filter(UserGroup.user_id._in(uids))
aggregate = defaultdict(list)
for g in groups:
    aggregate[g.user_id].append(g[1].__dict__)
retobj = api.marshal([**u.__dict__, 'groups': aggregate[u.id] for u in users], my_model)
# Total number of queries: 2

第三种方法，用处有限，是使用 string_agg 或类似的方法来强制 SQL 将分组连接到一个字符串列中，然后将字符串解压缩到服务器端列表中，例如，如果我想要的只是组号我可以使用 string_agg 和 group_by 在对 User 表的一次查询中返回“1,2”。但这仅在您不需要复杂对象时才有用。

我被第二种方法所吸引，因为我觉得它更高效且可扩展，因为 SQL 查询的数量（我认为这是主要瓶颈，没有特别好的理由）是恒定的，但它需要更多的工作在服务器端将所有组过滤到每个用户中。但我认为使用 SQL 的部分目的是利用其高效的排序/过滤功能，因此您不必自己动手。

所以我的问题是，我是否认为以更多的服务器端处理和开发时间为代价使 SQL 查询的数量保持不变是个好主意？尝试减少不必要的 SQL 查询数量是否浪费时间？如果我不这样做，当大规模测试 API 时，我会后悔吗？有没有更好的方法来解决这个我不知道的问题？

【参考方案1】：

使用joinedload 选项，您只需一个查询即可加载所有数据：

q = (
    session.query(User)
    .options(db.joinedload(User.groups))
    .order_by(User.id)
)
users = q.all()
for user in users:
    print(user.name)
    for ug in user.groups:
        print("  ", ug.name)

当您运行上面的查询时，所有组都已经使用类似于下面的查询从数据库中加载：

SELECT "user".id,
       "user".name,
       group_1.id,
       group_1.name
FROM   "user"
LEFT OUTER JOIN (user_group AS user_group_1
                 JOIN "group" AS group_1 ON group_1.id = user_group_1.group_id)
            ON  "user".id = user_group_1.user_id

现在您只需要使用适当的架构序列化结果。

【讨论】：

谢谢，这正是我所需要的。