GROUP BY 和 ORDER BY 问题

Question

我有两张这样的表：

CREATE TABLE cmap5 (
   name     varchar(2000),
   lexemes  tsquery
);

和

CREATE TABLE IF NOT EXISTS synonyms_all_gin_tsvcolumn (
   cid       int NOT NULL,  -- REFERENCES pubchem_compounds_index(cid)
   name      varchar(2000) NOT NULL,  
   synonym   varchar(2000) NOT NULL,
   tsv_syns  tsvector,
   PRIMARY KEY (cid, name, synonym)
);

我目前的查询是：

SELECT s.cid, s.synonym, c.name, ts_rank(s.tsv_syns,c.lexemes,16) 
FROM synonyms_all_gin_tsvcolumn s, cmap5 c
WHERE c.lexemes @@ s.tsv_syns

输出是：

cid     |  synonym                              | name (query)              | rank
5474706 | 10-Methoxyharmalan                    | 10-methoxyharmalan        | 0.0901673
1416    | (+/-)12,13-EODE                       | 12,13-EODE                | 0.211562
5356421 | LEUKOTOXIN B (12,13-EODE)             | 12,13-EODE                | 0.211562
 180933 | 1,4-Chrysenequinone                   | 1,4-chrysenequinone       | 0.211562
5283035 | 15-Deoxy-delta-12,14-prostaglandin J2 | 15-delta prostaglandin J2 | 0.304975
5311211 | 15-deoxy-delta 12 14-prostaglandin J2 | 15-delta prostaglandin J2 | 0.304975
5311211 | 15-deoxy-Delta(12,14)-prostaglandin J2| 15-delta prostaglandin J2 | 0.304975
5311211 | 15-Deoxy-delta-12,14-prostaglandin J2 | 15-delta prostaglandin J2 | 0.304975
5311211 | 15-Deoxy-delta 12, 14-Prostaglandin J2| 15-delta prostaglandin J2 | 0.304975

我想返回cmap5按ts_rank()函数排序的主表中所有行的名称匹配，但对于cmap5我想要的每一行：

• 只cid为每个查询选择最好的 X s ( group by cid)
• 或者 ORDER BY my results as 1+ts_rank/count(cid)

为了获得最佳匹配，我尝试添加select distinct on c.name，但是当排名相同时，我希望获得cid更多匹配的查询。我尝试在查询结束时添加一个简单的组，但出现错误，我该怎么做？

添加评论：

一方面，对于那些排名相同的结果，例如。上面5283035和5311211，获得5311211最高结果，因为它的cid点击次数比 多5283035，所以我有点想考虑排名中的点击次数 / cid，例如 final_rank = 1+ts_rank(cid)/no。命中数（cid）。

另一方面，我想获取X每个查询名称的第一个cid。如果我使用LIMIT X它返回X整个查询表的第一个结果，而不是我想要的查询表的X 每个名称（行）的第一个结果。

Answer 1

首先，您PRIMARY KEY跨越两varchar(2000)列似乎非常昂贵。如果您将 PK 用于其他任何用途，我建议使用代理 PK（使用serial列）并添加UNIQUE约束以强制(cid, name, synonym).

如果您的某一varchar列实际使用了最大长度，则您将超过索引条目的最大大小。看：

• 字符可变索引开销和长度限制

我想你想要的是这个，因为它是有道理的：

SELECT DISTINCT ON (c.name)
       c.name, min(s.synonym) AS min_synonym, s.cid
     , ts_rank(s.tsv_syns, c.lexemes, 16) AS rnk
     , count(*) AS ct
FROM   synonyms_all_gin_tsvcolumn s
JOIN   cmap5                      c ON c.lexemes @@ s.tsv_syns
GROUP  BY c.name, rnk, s.cid
ORDER  BY c.name, rnk DESC, ct DESC;

• 我使用[INNER] JOIN带有附加连接条件的显式替换您的CROSS JOIN加号WHERE子句。它通常被认为是优越的（更容易阅读和调试）。我也使用rnk作为列名来避免基本函数名rank作为标识符。

• c.name将具有相同rnk和的结果分组s.cid，采取min(s.synonym)（由于问题中缺乏定义）以及count(*)每组的同级。

• 减少一排每c.name用DISTINCT ON（SQL标准的Postgres的特定扩展DISTINCT），采取先最高等级和，同一等级内，创同行计数。看：

• 选择每个 GROUP BY 组中的第一行？

在一个查询级别中组合GROUP BY和DISTINCT ON这种方式是可能的，因为DISTINCT或DISTINCT ON在之后 应用GROUP BY。