Question

我想在这种情况下提供一些帮助。我有一个UUID（唯一），电子邮件（重复），时间戳（唯一）和has_sales的表（如果是，则可以是1，如果没有则可以是0）

示例数据

uuid       email       timestamp        has_sales
    1   a@gmail.com 2016-10-02 10:28:23    0
    2   a@gmail.com 2017-10-03 10:28:23    0
    3   a@gmail.com 2017-10-06 17:08:15    1
    4   a@gmail.com 2017-12-04 20:47:17    0
    5   a@gmail.com 2018-05-21 15:27:04    0
    6   b@gmail.com 2016-10-02 10:28:23    1
    7   b@gmail.com 2017-10-03 10:28:23    0

我想选择最旧的时间戳，除非有新的时间戳（很少见，但可能会发生）。所以，预期的结果将是

  uuid     email       timestamp        has_sales
    3   a@gmail.com 2017-10-06 17:08:15    1
    6   b@gmail.com 2016-10-02 10:28:23    1

目前，我只使用第一个条件（最早的时间戳），如下所示：

SELECT
    dm1.uuid,
    dm1.email,
    dm1.timestamp,
    dm1.has_sales
FROM dup_mail dm1
where
    time_stamp = (select min(time_stamp)
                       from dup_mail dm2
                       where dm1.email = dm2.email
                       )
order by 2

如何升级此代码，我可以添加条件，如果有新的用户有销售而且没有向旧用户销售，我会选择较新的用户吗？每封电子邮件都与销售（所有重复帐户中为0）或是销售（其中一个重复帐户中的1个和其他帐户中的0个）相关。即使有多个重复的帐户与销售，我只想知道是否有销售

Answer 1

可以重写相关子查询

  SELECT dm2.timestamp
    FROM dup_mail dm2
   WHERE dm2.email = dm1.email 
   ORDER
      BY dm2.has_sales DESC
       , dm2.timestamp ASC 
   LIMIT 1

这将在has_sales=1行之前使用has_sales=0对行进行排序，然后按timestamp对行进行排序。 LIMIT 1子句选择第一行（在对集合进行排序之后）。

我们希望在dup_mail表上使用email作为前导列的合适索引。在索引中包含timestamp和has_sales列将使其成为子查询的覆盖索引。

这应该满足规范，但相关子查询在性能方面可能不是最佳的。

SELECT dm1.uuid
     , dm1.email
     , dm1.timestamp
     , dm1.has_sales
  FROM dup_mail dm1 
 WHERE dm1.timestamp = 
       ( SELECT dm2.timestamp
           FROM dup_mail dm2
          WHERE dm2.email = dm1.email 
          ORDER
             BY dm2.has_sales DESC
              , dm2.timestamp ASC 
          LIMIT 1
      )
ORDER 
   BY ...

（时间戳在所有行中都是唯一的，这有点奇怪;但如果是，则此查询可以正常工作。）

我们可能会通过以下方式获得更好的表现：

SELECT dmx.email 
     , IF( MAX(dmx.has_sales)=0
         , MIN(dmx.timestamp)
         , MIN(IF(dmx.has_sales=1,dmx.timestamp,NULL))
       ) AS min_timestamp 
  FROM dup_email dmx
 GROUP BY dmx.email

然后将其用作内联视图并加入dup_mail表以获取与最小时间戳关联的行

SELECT dm1.uuid
     , dm1.email
     , dm1.timestamp
     , dm1.has_sales
  FROM ( -- minimum timestamp for each email
         SELECT dmx.email
              , IF( MAX(dmx.has_sales)=0
                  , MIN(dmx.timestamp)
                  , MIN(IF(dmx.has_sales=1,dmx.timestamp,NULL))
                ) AS min_timestamp 
           FROM dup_email dmx
          GROUP BY dmx.email
       ) m
  JOIN dup_email dm1
    ON dm1.email      = m.email 
   AND dm1.timestamp = m.min_timestamp
 ORDER
    BY ...

注意

上面给出的SQL语法特定于MySQL（问题被标记为MySQL）。

我认为IF()函数是仅限MySQL的扩展名。

对于PostgreSQL，请替换为：

, IF( MAX(dmx.has_sales)=0 , MIN(dmx.timestamp) , MIN(IF(dmx.has_sales=1,dmx.timestamp,NULL)) ) AS min_timestamp

具有更便携，更符合ANSI标准的

, CASE WHEN MAX(dmx.has_sales) = 0 THEN MIN(dmx.timestamp) ELSE MIN( CASE WHEN dmx.has_sales = 1 THEN dmx.timestamp END ) END AS min_timestamp

在postgresql中的WHERE子查询中使用条件

1 个答案: