Question

想象一下下面的表格：

创建表格框（id int，name text，...）;

创建表thinginboxes（id int，box_id int，thing enum（'apple，'banana'，'orange'）;

表格如下：

Boxes:
id | name
1  | orangesOnly
2  | orangesOnly2
3  | orangesBananas
4  | misc

thingsinboxes:
id | box_id | thing
1  |  1     | orange
2  |  1     | orange
3  |  2     | orange
4  |  3     | orange
5  |  3     | banana
6  |  4     | orange
7  |  4     | apple
8  |  4     | banana

如何选择至少包含一个橙色且不包含任何橙色的框？

假设我有数十万个盒子，可能有一百万个盒子里的东西，这个规模如何？

如果可能的话，我想将这一切保留在SQL中，而不是使用脚本对结果集进行后处理。

我正在使用postgres和mysql，所以子查询可能不好，因为mysql不优化子查询（无论如何都是版本6）。

Answer 1

SELECT b.*
FROM boxes b JOIN thingsinboxes t ON (b.id = t.box_id)
GROUP BY b.id
HAVING COUNT(DISTINCT t.thing) = 1 AND SUM(t.thing = 'orange') > 0;

这是另一个不使用GROUP BY的解决方案：

SELECT DISTINCT b.*
FROM boxes b
  JOIN thingsinboxes t1 
    ON (b.id = t1.box_id AND t1.thing = 'orange')
  LEFT OUTER JOIN thingsinboxes t2 
    ON (b.id = t2.box_id AND t2.thing != 'orange')
WHERE t2.box_id IS NULL;

与往常一样，在您对查询的可扩展性或性能做出结论之前，您必须尝试使用实际数据集，并衡量效果。

Answer 2

我认为Bill Karwin的查询很好，但是如果相对较小比例的盒子包含橙子，你应该能够通过使用thing字段上的索引加快速度：

SELECT b.*
FROM boxes b JOIN thingsinboxes t1 ON (b.id = t1.box_id)
WHERE t1.thing = 'orange'
AND NOT EXISTS (
    SELECT 1
    FROM thingsinboxes t2
    WHERE t2.box_id = b.id
    AND t2.thing <> 'orange'
)
GROUP BY t1.box_id

WHERE NOT EXISTS子查询只会在每个橙色的东西上运行一次，所以只要橙子不多，它就不会太贵。

通过要求所有许多满足条件来过滤一对多查询

2 个答案: