我有一张桌子，里面装满了不同来源的物品。一些来源可能具有相同的位置（在我的示例中，不同的BBC新闻源将是不同的来源，但它们都来自BBC）。每个项目都有一个“唯一”ID，可用于从同一位置识别它。这意味着与网站上相同新闻报道相关但在不同Feed下发布的相关项目将具有相同的“唯一ID”，但这不一定是全球唯一的。
问题是我想在显示时删除重复项，以便（根据您看到的哪些Feed）您最多只能获得每个故事的一个版本，即使您的两个或三个Feed可能包含指向它
我有一个sources表，其中包含有关每个来源以及location_id和location_precedence字段的信息。然后，我有一个items表，其中包含每个项目，unique_id，source_id和content。具有相同unique_id和来源location_id的项目最多只能出现一次，获得最高来源location_precedence。
我会想到这样的事情：
SELECT `sources`.`name` AS `source`,
`items`.`content`,
`items`.`published`
FROM `items` INNER JOIN `sources`
ON `items`.`source_id` = `sources`.`id` AND `sources`.`active` = 1
GROUP BY `items`.`unique_id`, `sources`.`location_id`
ORDER BY `sources`.`location_priority` DESC
会做到这一点，但这似乎忽略了位置优先级字段。我错过了什么？
示例数据：
CREATE TABLE IF NOT EXISTS `sources` (
`id` int(10) unsigned NOT NULL auto_increment,
`location_id` int(10) unsigned NOT NULL,
`location_priority` int(11) NOT NULL,
`active` tinyint(1) unsigned NOT NULL default '1',
`name` varchar(150) NOT NULL,
`url` text NOT NULL,
PRIMARY KEY (`id`),
KEY `active` (`active`)
);
INSERT INTO `sources` (`id`, `location_id`, `location_priority`, `active`, `name`, `url`) VALUES
(1, 1, 25, 1, 'BBC News Front Page', 'http://newsrss.bbc.co.uk/rss/newsonline_uk_edition/front_page/rss.xml'),
(2, 1, 10, 1, 'BBC News England', 'http://newsrss.bbc.co.uk/rss/newsonline_uk_edition/england/rss.xml'),
(3, 1, 15, 1, 'BBC Technology News', 'http://newsrss.bbc.co.uk/rss/newsonline_uk_edition/technology/rss.xml'),
(4, 2, 0, 1, 'Slashdot', 'http://rss.slashdot.org/Slashdot/slashdot'),
(5, 3, 0, 1, 'The Daily WTF', 'http://syndication.thedailywtf.com/TheDailyWtf');
CREATE TABLE IF NOT EXISTS `items` (
`id` bigint(20) unsigned NOT NULL auto_increment,
`source_id` int(10) unsigned NOT NULL,
`published` datetime NOT NULL,
`content` text NOT NULL,
`unique_id` varchar(255) NOT NULL,
PRIMARY KEY (`id`),
UNIQUE KEY `unique_id` (`unique_id`,`source_id`),
KEY `published` (`published`),
KEY `source_id` (`source_id`)
);
INSERT INTO `items` (`id`, `source_id`, `published`, `content`, `unique_id`) VALUES
(1, 1, '2009-12-01 16:25:53', 'Story about Subject One', 'abc'),
(2, 2, '2009-12-01 16:21:31', 'Subject One in story', 'abc'),
(3, 3, '2009-12-01 16:17:20', 'Techy goodness', 'def'),
(4, 2, '2009-12-01 16:05:57', 'Further updates on Foo case', 'ghi'),
(5, 3, '2009-12-01 15:53:39', 'Foo, Bar and Quux in court battle', 'ghi'),
(6, 2, '2009-12-01 15:52:02', 'Anti-Fubar protests cause disquiet', 'mno'),
(7, 4, '2009-12-01 15:39:00', 'Microsoft Bleh meets lukewarm reception', 'pqr'),
(8, 5, '2009-12-01 15:13:45', 'Ever thought about doing it in VB?', 'pqr'),
(9, 1, '2009-12-01 15:13:15', 'Celebrity has 'new friend'', 'pqr'),
(10, 1, '2009-12-01 15:09:57', 'Microsoft launches Bleh worldwide', 'stu'),
(11, 2, '2009-12-01 14:57:22', 'Microsoft launches Bleh in UK', 'stu'),
(12, 3, '2009-12-01 14:57:22', 'Microsoft launches Bleh', 'stu'),
(13, 3, '2009-12-01 14:42:15', 'Tech round-up', 'vwx'),
(14, 2, '2009-12-01 14:36:26', 'Estates 'old news' say government', 'yza'),
(15, 1, '2009-12-01 14:15:21', 'Iranian doctor 'was poisoned'', 'bcd'),
(16, 4, '2009-12-01 14:14:02', 'Apple fans overjoyed by iBlah', 'axf');
查询后的预期内容：
我尝试了Andomar对解决方案的一些修改，取得了一些成功：
SELECT s.`name` AS `source`,
i.`content`,
i.`published`
FROM `items` i
INNER JOIN `sources` s
ON i.`source_id` = s.`id`
AND s.`active` = 1
INNER JOIN (
SELECT `unique_id`, `source_id`, MAX(`location_priority`) AS `prio`
FROM `items` i
INNER JOIN `sources` s ON s.`id` = i.`source_id` AND s.`active` = 1
GROUP BY `location_id`, `unique_id`
) `filter`
ON i.`unique_id` = `filter`.`unique_id`
AND s.`location_priority` = `filter`.`prio`
ORDER BY i.`published` DESC
LIMIT 50
随着AND s.location_priority = filter.prio事情几乎按照我的意愿运作。由于项目可以来自具有相同优先级的多个来源，因此可以重复项目。在这种情况下，外部查询的额外GROUP BY i.unique_id执行该作业，并且我认为如果优先级相等，哪个源“获胜”无关紧要。
我尝试使用AND i.source_id = filter.source_id，这几乎可以正常工作（即消除了额外的GROUP BY），但没有给出正确来源的结果。在上面的例子中，它给了我“Foo案例的进一步更新”（来源“英国广播公司新闻英格兰”），而不是“法庭战中的Foo，Bar和Quux”（来源“BBC技术新闻”。看看内心的结果查询，我得到：
unique_id: 'ghi'
source_id: 2
prio: 15
请注意，源ID不正确（预期：3）。
答案 0 :(得分：5)
Order by只是命令行，它不会在它们中间选择。
过滤掉location_priority较低行的方法之一是使用inner join作为过滤器：
SELECT s.name, i.content, i.published
FROM items i
INNER JOIN sources s
ON i.source_id = s.id
AND s.active = 1
INNER JOIN (
SELECT unique_id, max(location_priority) as prio
FROM items i
INNER JOIN sources s ON s.id = i.source_id AND s.active = 1
GROUP BY unique_id) filter
ON i.unique_id = filter.unique_id
AND s.location_priority = filter.prio;
替代方案是where ... in <subquery>子句，例如：
SELECT s.name, i.content, i.published
FROM items i
INNER JOIN sources s
ON i.source_id = s.id
AND s.active = 1
WHERE (i.unique_id, s.location_priority) IN (
SELECT unique_id, max(location_priority)
FROM items i
INNER JOIN sources s ON s.id = i.source_id AND s.active = 1
GROUP BY unique_id
);
此问题也称为“选择包含组范围最大值的记录”。 Quassnoi在其上写了nice article。
编辑：以相同优先级打破与多个源的关系的一种方法是带有子查询的WHERE子句。此示例打破了i.id DESC上的关联：
SELECT s.name, i.unique_id, i.content, i.published
FROM (
SELECT unique_id, min(location_priority) as prio
FROM items i
INNER JOIN sources s ON s.id = i.source_id AND s.active = 1
GROUP BY unique_id
) filter
JOIN items i
JOIN sources s
ON s.id = i.source_id
AND s.active = 1
WHERE i.id =
(
SELECT i.id
FROM items i
JOIN sources s
ON s.id = i.source_id
AND s.active = 1
WHERE i.unique_id = filter.unique_id
AND s.location_priority = filter.prio
ORDER BY i.id DESC
LIMIT 1
)
Quassnoi还有一篇关于selecting records holding group-wise maximum (resolving ties)的文章：）
答案 1 :(得分：1)
自我加入到派生表，如
select max(location_priority) from table where ...
答案 2 :(得分：0)
我错过了什么？
ORDER BY在GROUP BY已将每个组缩减为一行后发生。保罗给出了一个决议。
至于查询的问题：
SELECT `unique_id`, `source_id`, MAX(`location_priority`) AS `prio`
FROM `items` i
INNER JOIN `sources` s ON s.`id` = i.`source_id` AND s.`active` = 1
GROUP BY `location_id`, `unique_id`
source_id既不是聚合也不是分组。结果，你获得的价值是不确定的。