如何使用内部连接查询（Postgres）防止重复

Posted 2023-02-24

【中文标题】如何使用内部连接查询（Postgres）防止重复

【英文标题】：how to prevent duplicates with inner join query (Postgres)

【发布时间】：2013-07-31 07:45:31

【问题描述】：

我正在尝试了解如何创建查询以根据内部联接过滤掉一些结果。

考虑以下数据：

formulation_batch
-----
id  project_id  name    
1   1           F1.1
2   1           F1.2
3   1           F1.3
4   1           F1.all

formulation_batch_component
-----
id  formulation_batch_id    component_id
1   1                       1
2   2                       2
3   3                       3
4   4                       1
5   4                       2
6   4                       3
7   4                       4

我想选择 project_id 为 1 的所有 Formulation_batch 记录，并且有一个 component_id 为 1 或 2 的 Formulation_batch_component。所以我运行以下查询：

SELECT formulation_batch.* 
FROM formulation_batch 
INNER JOIN formulation_batch_component
ON formulation_batch.id = formulation_batch_component.formulation_batch_id
WHERE formulation_batch.project_id = 1 
    AND ((formulation_batch_component.component_id = 2 
        OR formulation_batch_component.component_id = 1 ))

但是，这会返回一个重复的条目：

1;"F1.1"
2;"F1.2"
4;"F1.all"
4;"F1.all"

有没有办法修改这个查询，以便我只取回符合条件的唯一的formulation_batch 记录？

EG：

1;"F1.1"
2;"F1.2"
4;"F1.all"

感谢您的宝贵时间！

【参考方案1】：

一种方法是使用distinct:

SELECT distinct "formulation_batch".* 
FROM "formulation_batch" 
INNER JOIN "formulation_batch_component" 
ON "formulation_batch"."id" = "formulation_batch_component"."formulationBatch_id" 
WHERE "formulation_batch"."project_id" = 1 
    AND (("formulation_batch_component"."component_id" = 2 
        OR "formulation_batch_component"."component_id" = 1 ))

【讨论】：

谢谢，我忘了区分。它不是最好的性能，但仍然比在软件级别过滤它要好。

【参考方案2】：

在这种情况下，可以在join 之前应用distinct，这可能会提高性能：

select fb.* 
from
    formulation_batch fb
    inner join
    (
        select distinct formulationbatch_id
        from formulation_batch_component
        where component_id in (1, 2)
    ) fbc on fb.id = fbc.formulationbatch_id 
where fb.project_id = 1

注意如何为表名使用别名以使查询更清晰。然后in 运算符非常方便。没有必要在这些标识符中使用双引号。

【讨论】：

感谢您对优化的想法。查询实际上是由 ORM 生成的，但我认为我有办法像这样实现它（与我修改它以在外部查询中选择 distinct 的方式大致相同）。

在我的测试中，像上面这样的内连接也比在 where 子句中使用 formulabatch_ids 更快，即：select fb.* from formulation_batch fb where fb.project_id = 1 AND fb.id IN ( select formulationbatch_id from formulation_batch_component where component_id in (1, 2) )

【参考方案3】：

我知道问题询问如何使用内部连接防止重复，但可以在谓词中使用 IN 子句。

SELECT "formulation_batch".* 
FROM "formulation_batch" fb
ON "formulation_batch"."id" = "formulation_batch_component"."formulationBatch_id" 
WHERE "formulation_batch"."project_id" = 1 
 AND fb.id IN (SELECT "formulation_batch"."id"
               FROM formulation_batch_component
               WHERE (("formulation_batch_component"."component_id" = 2 
                      OR "formulation_batch_component"."component_id" = 1 ))

【讨论】：

这是我试图提出的问题的最佳解决方案。干杯！

我测试了这个和@Clodoaldo Neto 的答案，在我的情况下，内部连接的速度快了约 50%