Question

这是一个我一直想知道的问题。我将尝试通过一个例子来解释，但这是一个普遍的问题。

假设您有两张桌子：

用户，其中包含用户的名字，姓氏......，
帖子，用于保存用户撰写的帖子，其中包含标题，文字等字段......

现在，假设我想要显示过去24小时内创建的所有帖子。在此表中，我想显示创建此帖子的用户的名字，姓氏.......查询可能类似于：

SELECT ... FROM posts，users WHERE posts.user_id = users.id AND [last 24 hours]

现在，问我的问题。由于一个用户很可能在过去24小时内创建了多个帖子，因此我们基本上一遍又一遍地检索他/她的名字，姓氏......换句话说，上面查询的结果集包含重复数据（但不包含重复行）。

不是更好：

SELECT ... FROM posts WHERE [last 24 hours]
SELECT ... FROM id为IN的用户（SELECT DISTINCT user_id FROM发布WHERE [过去24小时]）
在应用程序级别或在sql过程中将第一个查询的结果与第二个查询的结果进行映射，以找出帖子的名字，姓氏，......如果标识符（主键）可以很容易地完成）是某种哈希映射，数组或类似的索引/键。

我知道这是一个非常普遍的问题，但欢迎任何见解。谢谢！

Answer 1

任何一种方法都应该有效，但是你找到了重要的部分：

在应用程序级别执行。

对我来说，我会提取重复数据，以便结果集的每一行都包含我需要的所有数据。 SQL在JOIN处更有效，并且设置操作比几乎任何声明性语言都要高。

如果将数据保存在一起，如果需要，您可以更轻松地将其分解为下游，并且您只需要拨打一次数据库而不是两次。

随着重复数据的增长，这种好处逐渐减少。如果它只是几个领域，那不是一个很大的影响。如果它是数十个冗余数据领域，性能差异将更加明显。

对于您的具体示例，在单个查询中完成所有操作要好得多。

如果遇到困难，您可以在应用程序级别消除重复，但与进行多个数据库调用相比，同一用户多次返回的2或3个附加字段不会非常重要。

Answer 2

我认为最好的解决方案可能是选择用户，whitch有24小时的消息，而不是按用户ID选择消息。

1. step:

SELECT DISTINCT id, first_name, last_name
FROM users INNER JOIN
posts ON posts.user_id = users.id
WHERE [last 24 hours]

2. step:

SELECT *
FROM posts
WHERE user_id = @userId AND [last 24 hours]

这种方式会导致更多数据库调用但内存使用量减少，因为您一次只为1个用户检索邮件。

Answer 3

最佳解决方案取决于每个表中的行数以及每个用户每天的帖子数。

如果帖子和用户数量相对较少，那么一次性选择帖子和用户就可以了。

如果每个用户的用户数和帖子数很少，最好使用第二个选项单独选择它们。首先，您将选择过去24小时内的帖子，然后您将选择这样的作者：

SELECT users.id, first_name, last_name
FROM users
LEFT JOIN posts ON users.id = user_id
WHERE [posts in the last 24 h]

SQL查询 - 尝试避免结果集中的重复数据？

3 个答案: