如何对 Stack Exchange Data Explorer (SEDE) 结果进行分页？

Posted 2023-02-19

【中文标题】如何对 Stack Exchange Data Explorer (SEDE) 结果进行分页？

【英文标题】：How to paginate Stack Exchange Data Explorer (SEDE) results?

【发布时间】：2019-01-23 20:22:25

【问题描述】：

使用data explorer 创建查询：

SELECT P.id, creationdate,tags,owneruserid,answercount
--SELECT DISTINCT TAGNAME ,TAGID
FROM TAGS  AS T
JOIN POSTTAGS AS PT
ON T.ID = PT.TAGID
JOIN POSTS AS P
ON PT.POSTID = P.ID
--WHERE CAST(P.TAGS AS VARCHAR) IN('JAVA')
WHERE PT.TAGID = 3143

如何在查询中添加分页以便不仅获取前 50,000 个结果，然后再次运行查询以获取下一个剩余结果？

【参考方案1】：

有几种方法可以通过 TSQL 结果“分页”；见：

How to return a page of results from SQL? 和 SQL performance: WHERE vs WHERE(ROW_NUMBER)

这里我将使用 CTE 方法作为：

它使用方便的行号来翻阅结果，而不是尝试跟踪难以预测的因素，例如 creationdate。 据报道，它的执行速度比 OFFSET 方法快。

所以，这个问题的查询变成了this SEDE query：

-- StartRow: Starting row for paging
-- EndRow: Ending row for paging (Max 50K rows at a time)
WITH allData AS (
    SELECT
                ROW_NUMBER() OVER (ORDER BY P.creationdate) AS row
                , P.id
                , P.creationdate
                , P.tags
                , P.owneruserid
                , P.answercount
    FROM        Posttags    AS PT
    JOIN        Posts       AS P    ON PT.postid = P.id
    WHERE       PT.tagid    = 3143  -- tag [scala]
)
SELECT      *
FROM        allData
WHERE       row    >= ##StartRow:INT?1##
AND         row    <= ##EndRow:INT?50000##
ORDER BY    row

【讨论】：

超级好用！我对此进行了调整，使其更快更易于使用，方法是 1) 删除条件 row <= ##EndRow:INT?50000## 和 2) 将第一个条件更改为 row >= 1 + 50000*(##StartRow:INT?1## - 1) 以便我的输入可以是 1、2、3……而不是1, 50001, 100001, ...