在两列上使用 COUNT 和 GROUP BY 的 SQL 查询非常慢

Posted 2023-04-14

【中文标题】在两列上使用 COUNT 和 GROUP BY 的 SQL 查询非常慢

【英文标题】：Terribly slow SQL query with COUNT and GROUP BY on two columns

【发布时间】：2010-02-20 17:21:02

【问题描述】：

我正在归档这个网络论坛，它通常每周会被清除一次。所以我在屏幕上抓取它，并将其存储到我的数据库（PostgreSQL）中。

我还对数据进行了一些分析，提供了一些图表供用户欣赏，例如一天中什么时间论坛最活跃等等。

所以我有一个帖子表，如下所示：

   Column   |            Type
------------+------------------------------
 id         | integer
 body       | text
 created_at | timestamp without time zone
 topic_id   | integer
 user_name  | text
 user_id    | integer

我现在想为我的前 10 名小海报表中的每个用户计算帖子数。

我想出了这个：

SELECT user_id, user_name, count(*)
FROM posts
GROUP BY user_id, user_name
ORDER BY count DESC LIMIT 10

结果非常缓慢。 9 秒，此时帖子表中只有大约 300 000 行。

如果我只在一个列上分组，只需要半秒钟，但我需要两个。

我对关系数据库和 SQL 比较陌生，所以我不太确定这是否正确，或者我做错了什么？

【参考方案1】：

可能只有一个用户具有特定 ID，因此 max(user_name) 应该等于 user_name。然后您可以在单个列上进行分组，您的帖子表明该列工作得更快：

SELECT user_id, max(user_name), count(*)
FROM posts
GROUP BY user_id

【讨论】：

+1 是的，这就是这样做的方法:)。在 sql 规范 1999 及更高版本中，实际上允许在 SELECT 列表中列出未出现在 GROUP BY 列表中的未聚合列，只要这些列在功能上依赖于 GROUP BY 列表.无耻塞：rpbouman.blogspot.com/2007/05/debunking-group-by-myths.html

【参考方案2】：

也可以使用 count > 0 所以你只返回 true