为每位作者选择一篇最新的帖子

Question

我确定这是一个简单的问题，我想它被问了很多次，但我无法从其他答案中弄清楚，抱歉。

我使用最新版本的 PostgreSQL 和 MySQL。我有2张桌子：

CREATE TABLE authors (
    id INT,
    name VARCHAR
)

CREATE TABLE posts (
    id INT,
    author_id INT,
    text VARCHAR,
    date DATE
)

我需要为每个作者选择一个最新的帖子。谢谢！

更新

谢谢，这两个链接都提供了我的问题的答案，但有一些例外。以下所有查询都给出了相同的结果（顺便说一句，哪个最有效？）然后返回的结果集包含所有此类帖子。我应该如何修改这些查询返回正好每位作者一个帖子？

SELECT p1.*
FROM posts p1
LEFT JOIN posts p2 ON p1.author_id = p2.author_id AND p1.date < p2.date
WHERE p2.author_id IS NULL
ORDER BY p1.author_id;

SELECT p1.* 
FROM posts p1
INNER JOIN (
  SELECT author_id, MAX(date) AS max_date
  FROM posts
  GROUP BY author_id) p2
  ON p1.author_id = p2.author_id AND p1.date = p2.max_date
ORDER BY p1.author_id;

SELECT *
FROM posts p1
WHERE date = (SELECT MAX(p2.date)
              FROM posts p2
              WHERE p1.author_id = p2.author_id)
ORDER BY author_id;

SELECT * FROM (
    SELECT author_id, MAX(date) date
    FROM posts GROUP BY author_id
) p1 INNER JOIN posts p2 USING (author_id, date)
ORDER BY author_id;

Answer 1

如果您的目标是以最高效率进行查询，那么上述查询都不是最好的。至少并不总是如此。

效率取决于很多不同的东西，比如特定的 DBMS、特定的版本（不同版本对优化器和可用语法有不同的改进）、列的类型、可用的索引、表的大小和值的分布、服务器运行的硬件，配置设置等。

您应该始终测试在您的表上编写查询的各种不同方式，以及您希望在生产中使用的大小和分布，以及您的硬件和配置设置，以决定应该保留哪些查询重写。

这种特定类型的查询通常被称为greatest-n-per-group（甚至有一个标签！）并且在某些假设下，编写它们的多种方法之一在 MySQL 和 PostgreSQL 中通常非常有效。它使用LATERALPostgres 中的连接，该连接在 9.3+ 版本中可用（在 SQL Server 术语中CROSS/OUTER APPLY）以及在 MySQL 中模拟此连接。

假设是作者的数量（我们分组的属性）与帖子的数量（我们应用分组依据的表）相比很小。如果有一个索引或一个表来查找所有不同的author_id值，并在posts表上为 group by 提供一个附加索引，那也是最好的。

这个对每组最大 n 次问题的解决方案也符合您对关系的要求，因为它始终为每组返回一个结果。如果要得到准确的其中一个（的并列）将返回时，ORDER BY在子查询中可以修改（以ORDER BY pi.date DESC, pi.id DESC或ORDER BY pi.date DESC, a.name为例）。

在 PostgreSQL 中查询：

SELECT p.* 
FROM authors AS a
   , LATERAL 
       ( SELECT pi.*
         FROM posts AS pi
         WHERE pi.author_id = a.author_id
         ORDER BY pi.date DESC
         LIMIT 1
       ) AS p ;

在 MySQL 中查询：

SELECT p.* 
FROM authors AS a
  JOIN posts AS p
    ON p.id =
       ( SELECT pi.id
         FROM posts AS pi
         WHERE pi.author_id = a.author_id
         ORDER BY pi.date DESC
         LIMIT 1
       ) ;

有用的索引posts (author_id, date, id)对于 MySQL 和/或posts (author_id, date DESC)对于 Postgres是打开的。

不用再说了，但在使用上述任何一个之前，它们应该在您的环境中进行测试，并针对查询的所有许多其他版本/重写进行交叉测试。例如，在 Postgres 中，该DISTINCT ON语法可以在 9.3 之前的版本中使用。结果查询比 更紧凑，LATERAL并且在不同的数据分布下可能更有效。询问：

SELECT DISTINCT ON (author_id) p.*
FROM posts AS p
ORDER BY p.author_id,
         p.date DESC ;