使用左连接和不同的总和不正确的值

Posted 2023-02-16

【中文标题】使用左连接和不同的总和不正确的值

【英文标题】：Using left join and distinct sums incorrect values

【发布时间】：2021-03-18 20:19:39

【问题描述】：

我有这个 SQL 查询：

SELECT
    COUNT(DISTINCT [sb].[UserId]) AS NumberOfCustomers, 
    SUM([sb].[ProbabilityAlive]) AS ProbabilityAlive
FROM
    sb  
WHERE  
    sb.[Date] = '03/11/2020 00:00:00' 
    AND sb.[ClientId] = '1112'

此查询返回：

NumberOfCustomers: 50280
ProbabilityAlive: 26107.6830

我最近添加了另一个表，当使用左连接或连接时，我得到的存活概率总和不正确：

SELECT
    COUNT(DISTINCT [dbo].[sb].[UserId]) AS NumberOfCustomers, 
    SUM([dbo].[sb].[ProbabilityAlive]) AS ProbabilityAlive,
    SUM([dbo].[AdditionalClvData].[PeakClv]) AS PeakClv
FROM
    sb  
LEFT JOIN 
    [dbo].[AdditionalClvData] ON [dbo].[AdditionalClvData].UserId = [dbo].[sb].UserId  
 WHERE  
     sb.[CalculationDate] = '03/11/2020 00:00:00' 
     AND sb[ClientId] = '2' 

这个查询现在返回这个结果：

NumberOfCustomers: 50280
ProbabilityAlive: 76949.2354
PeakClv: 44835004.95810

ProbabilityAlive 几乎是原来的三倍。使用左连接时不应该得到相同的总和吗？

【问题讨论】：

我删除了 mysql 标签，因为代码显然是 SQL Server。此外，样本数据和期望的结果也会有所帮助。

为什么数字变了？因为表之间是1:M的关系。所以不，你的期望是不正确的。先求和/计数，然后加入。

如果您删除 distinct 和 aggregation 函数，您可能会发现您的外连接并没有按照您认为的方式进行操作。在聚合之前，我会确保您的查询返回您想要的记录。 Distinct 可能会给您一种温暖模糊的感觉，认为它是正确的，但它也可以隐藏“我正在检索表中的每条记录”

FYI 3 列的部分命名将被弃用，应避免使用。为您的对象提供别名并使用这些别名限定您的列。

【参考方案1】：

我建议在子查询中预先聚合：

SELECT 
    COUNT(*) AS NumberOfCustomers, 
    SUM(s.ProbabilityAlive) AS ProbabilityAlive,
    SUM(a.PeakClv) as PeakClv
FROM (
    SELECT [UserId], SUM([sb].[ProbabilityAlive]) AS ProbabilityAlive
    FROM sb  
    WHERE sb.[Date] = '20200311'
    GROUP BY [UserId]
) s
LEFT JOIN (
    SELECT [UserId], SUM([PeakClv]) as PeakClv
    FROM [dbo].[AdditionalClvData]
    GROUP BY [UserId]
) a ON a.[UserId] = s.[UserId]