标签: distinct

我在 PostgreSQL 9.4 中有这个表：

CREATE TABLE user_operations( 
    id SERIAL PRIMARY KEY, 
    operation_id integer, 
    user_id integer )

该表由~1000-2000不同的操作组成，每个操作对应于所有用户80000-120000集合S的某个子集（每个子集由大约元素组成）：

S = {1, 2, 3, ... , 122655}

参数：

work_mem = 128MB
table_size = 880MB

我也有一个关于operation_id.

问题：user_id对于operation_id集合的重要部分（20％-60％）查询所有不同的最佳计划是什么，例如：

SELECT DISTINCT user_id FROM user_operation WHERE operation_id < 500

可以在表上创建更多索引。目前，查询的计划是：

HashAggregate  (cost=196173.56..196347.14 rows=17358 width=4) (actual time=1227.408..1359.947 rows=598336 loops=1)
  ->  Bitmap Heap Scan on user_operation  (cost=46392.24..189978.17 rows=2478155 width=4) (actual time=233.163..611.182 rows=2518122 loops=1)
        Recheck Cond: …

我们有一个 ERP 系统，它允许使用聚合（例如SUM(foo)）但不允许使用 DISTINCT（例如SUM(DISTINCT foo).

是否可以创建一个聚合函数 ( SUM_DISTINCT)，它返回与 相同的结果SUM(DISTINCT foo)，所以SUM_DISTINCT(foo) = SUM(DISTINCT foo)？

我目前正在尝试在表中找到不同的组合，因为其中两列彼此之间存在多对多关系。

数据围绕着针对特定客户端运行的备份策略，可以总结如下：

我想为上表生成的答案是7，因为有很多不同的组合。

有没有人知道如何做到这一点？我曾尝试尝试使用嵌套计数和不同的值（我可以过滤到一列，但不能同时过滤两列）。

此问题与以下 2 个 SQL 错误有关（我添加的换行符）

MySql.Data.MySqlClient.MySqlException (0x80004005):
Expression #2 of ORDER BY clause is not in SELECT list, references column 'auitool2014.a.prog' which is not in SELECT list;
this is incompatible with DISTINCT


MySql.Data.MySqlClient.MySqlException (0x80004005): 
Expression #2 of SELECT list is not in GROUP BY clause and contains nonaggregated column 'H.C51' which is not functionally dependent on columns in GROUP BY clause; 
this is incompatible with sql_mode=only_full_group_by

我的问题很容易描述，即使没有发布原始 SQL。我有一个5.7.11-log在 Windows 上运行的 Mysql服务器，我可以SELECT A,B GROUP BY A并且SELECT …

我试图在删除重复条目的同时将数据从一个 PostgreSQL 9.3 表插入到另一个表。

我有两个包含电子邮件地址的表。

主表包含电子邮件和每个电子邮件地址的标签。组合(email, tag)必须是唯一的，为此有一个限制Unique(email, tag)。

第二个表是从仅包含电子邮件地址的文本文件中动态创建的。那里有很多重复。

我需要将临时表中的数据导入主表而不破坏上述约束。对于包含电子邮件地址的特定文件，标签是恒定的。

表结构：

CREATE TABLE emails (   
  email character varying(128),
  tag bigint,
  CONSTRAINT "unique-tag-email" UNIQUE (email, tag) )

和

CREATE TABLE emails_temp (email character varying(128)

这是我的查询：

insert into emails(tag,email) 
select 
 655,t.email 
from 
 emails_temp as t 
where 
 not exists ( select email from emails where email = t.email )

注意：655 只是某组电子邮件地址的标记。

这是我得到的错误：

错误：重复键值违反唯一约束“唯一标签电子邮件”SQL 状态：23505 详细信息：密钥（电子邮件，标签）=（user@hotmail.com，655）已经存在。

文件中确实有两个电子邮件地址 user@hotmail.com。

废话不多说，因为这个错误，主表（email）里什么都没有添加。

我究竟做错了什么？

我的 postgresql 列结构如下所示：

id  | from | to
---------------
1   |  A   |  B
2   |  A   |  B 
3   |  C   |  D

现在我想要一个看起来像这样的结果：

 res 
-----
'A:B'
'B:A' 
'C:D'
'D:C'

其中第一行和行从 A:B 排列到 B:A 和 'C:D' 到 'D:C'，第二列由于不同的操作而被省略。

我看到以下同时使用 DISTINCT 和 GROUP BY 的 MySQL 查询：

SELECT  DISTINCT user_id, post_id, post_content
    FROM  some_table
    GROUP BY  post_id, user_id
    HAVING  post_content LIKE '%abc%';

这是一个与查询一起使用的场景：每个用户都有一个唯一的 id，user_id，并且可以发表多个由唯一 id 标识的帖子post_id。每个帖子都会包含一些文本。

我发现这令人困惑（来自 Oracle DB 之后）并有以下问题：

1. 使用GROUP BY而不做任何聚合是什么意思？
2. 在SELECTvs in中切换列的顺序有什么意义GROUP BY？
3. 从 省略第三列是什么意思GROUP BY？
4. 为什么DISTINCT与 一起使用GROUP BY？在对最终结果或之前完成所有分组之后，是否运行不同的操作？

考虑以下示例：

CREATE TABLE test (
  id SERIAL,
  some_integer INT
);

INSERT INTO test (some_integer)
SELECT FLOOR(RANDOM()*100000) from generate_series(1,100000) s(i);

CREATE INDEX some_integer_idx ON test (some_integer);

EXPLAIN ANALYZE SELECT COUNT(DISTINCT some_integer) from test;

它返回以下查询计划：

CREATE TABLE test (
  id SERIAL,
  some_integer INT
);

INSERT INTO test (some_integer)
SELECT FLOOR(RANDOM()*100000) from generate_series(1,100000) s(i);

CREATE INDEX some_integer_idx ON test (some_integer);

EXPLAIN ANALYZE SELECT COUNT(DISTINCT some_integer) from test;

我很惊讶它仍然在测试中进行顺序扫描。简单地计算索引中的行数不是更快吗？

如何将SELECT DISTINCT查询修改为UPDATE DISTINCT查询？

重要的是它只更新不同的记录，因为有多个记录与每个 [Finance_Project_Number] 相关联（由于 CRUD 操作）。我只想更新一条记录，因为这只会启动验证数据等的不同过程。

如果由于 DISTINCT 导致多条记录折叠为一行，则可以更新其中任何一条记录 - 没关系。

当我运行我的选择查询时，我得到的结果是：6 982：

SELECT DISTINCT
    [Finance_Project_Number]
FROM [InterfaceInfor].[dbo].[ProjectMaster]
WHERE 
    NOT EXISTS 
    (
        SELECT *
        FROM [IMS].[dbo].[THEOPTION]  
        WHERE 
            [InterfaceInfor].[dbo].[ProjectMaster].[Finance_Project_Number] =
            [IMS].[dbo].[THEOPTION].[NAME]
    );

这是我将查询转换为查询的尝试DISTINCT UPDATE，但这会更新 15 353 条记录：

UPDATE [InterfaceInfor].[dbo].[ProjectMaster]
SET 
    [Processing_Result_Text] = 'UNIQUE',
    [Processing_Result] = 0
WHERE 
    NOT EXISTS 
    (
        SELECT *
        FROM [IMS].[dbo].[THEOPTION]  
        WHERE 
            [InterfaceInfor].[dbo].[ProjectMaster].[Finance_Project_Number] =
            [IMS].[dbo].[THEOPTION].[NAME]
    );

我有一个us_customers看起来像这样的表（有数十万行）：

+----------+----------+
|    id    | us_state |
+----------+----------+
| 12345678 | MA       |
| 23456781 | AL       |
| 34567812 | GA       |
| 45678123 | FL       |
| 56781234 | AZ       |
| 67812345 | MA       |
| 78123456 | CO       |
| 81234567 | FL       |
+----------+----------+

...我想n从每个us_state.

有没有办法在 PostgreSQL 9.3 中干净利落地做到这一点？

我可以通过以下方式us_state轻松地从每个客户那里获得一位客户：

SELECT DISTINCT ON (us_state) id
FROM us_customers
ORDER BY us_state;

但是，如果我想要来自每个州的三个客户，有没有一种方法可以在不多次运行相同查询的情况下做到这一点？