PostgreSQL中的分组方式和计数

查询：

SELECT COUNT(*) as count_all, 
       posts.id as post_id 
FROM posts 
  INNER JOIN votes ON votes.post_id = posts.id 
GROUP BY posts.id;

返回Postgresql中的

n

记录：

 count_all | post_id
-----------+---------
 1         | 6
 3         | 4
 3         | 5
 3         | 1
 1         | 9
 1         | 10
(6 rows)

我只想检索返回的记录数：

6

我使用子查询来实现我想要的，但这似乎不是最佳的：

SELECT COUNT(*) FROM (
    SELECT COUNT(*) as count_all, posts.id as post_id 
    FROM posts 
    INNER JOIN votes ON votes.post_id = posts.id 
    GROUP BY posts.id
) as x;

---

在PostgreSQL中，如何正确获取此上下文中的记录数？

我认为您只需要从投票中获得

计数（不同的post\u id）

请参见中的“4.2.7.聚合表达式”一节

编辑：根据欧文的评论纠正了我粗心的错误。

还有：

在Postgres中，如果n端有多个条目，通常比：

投票中每个帖子的行数越多，性能差异就越大。测试

 <代码>计数（不同PASSIDID）必须读取所有行，对它们进行排序或散列，然后只考虑第一个相同的集合。code>EXISTS

将只扫描

投票

（或者最好扫描

post\u id

）上的索引，直到找到第一个匹配项

如果

投票

中的每个

post\u id

都保证出现在表

posts

中（引用完整性强制使用外键约束），则此缩写形式相当于较长形式：

SELECT count(DISTINCT post_id) AS post_ct
FROM   votes;

实际上可能比每个帖子没有条目或条目很少的

EXISTS

查询更快

您的查询也以更简单的形式工作：

SELECT count(*) AS post_ct
FROM  (
    SELECT FROM posts 
    JOIN   votes ON votes.post_id = posts.id 
    GROUP  BY posts.id
    ) sub;

基准 为了验证我的声明，我使用有限的资源在测试服务器上运行了一个基准测试。都在一个单独的模式中：

测试设置 模拟典型的投票后/投票情况：

CREATE SCHEMA y;
SET search_path = y;

CREATE TABLE posts (
  id   int PRIMARY KEY
, post text
);

INSERT INTO posts
SELECT g, repeat(chr(g%100 + 32), (random()* 500)::int)  -- random text
FROM   generate_series(1,10000) g;

DELETE FROM posts WHERE random() > 0.9;  -- create ~ 10 % dead tuples

CREATE TABLE votes (
  vote_id serial PRIMARY KEY
, post_id int REFERENCES posts(id)
, up_down bool
);

INSERT INTO votes (post_id, up_down)
SELECT g.* 
FROM  (
   SELECT ((random()* 21)^3)::int + 1111 AS post_id  -- uneven distribution
        , random()::int::bool AS up_down
   FROM   generate_series(1,70000)
   ) g
JOIN   posts p ON p.id = g.post_id;

以下所有查询都返回了相同的结果（9107篇帖子中有8093篇有投票权）。
我对

EXPLAIN ANALYZE

ant进行了4次测试，在postgres9.1.4的三次查询中，每一次都取了五次中最好的一次，并附加了结果总运行时间

原来如此

之后

ANALYZE posts;
ANALYZE votes;

之后

CREATE INDEX foo on votes(post_id);

VACUUM FULL ANALYZE posts;
CLUSTER votes using foo;

之后

CREATE INDEX foo on votes(post_id);

VACUUM FULL ANALYZE posts;
CLUSTER votes using foo;

count（*）。。。存在的位置

253毫秒

220毫秒

85毫秒--获胜者（帖子顺序扫描、投票索引扫描、嵌套循环）

85毫秒

计数（不同的x）

-带连接的长格式

354毫秒

358毫秒

373毫秒--（帖子索引扫描、投票索引扫描、合并加入）

330毫秒

计数（不同的x）

-不带连接的缩写形式

164毫秒

164毫秒

164毫秒--（始终按顺序扫描）

142毫秒

有问题的原始查询的最佳时间：

• 353毫秒

对于简化版：

• 348毫秒

@wildplasser使用CTE的查询使用了与长表单相同的计划（帖子索引扫描、投票索引扫描、合并连接），外加一点CTE开销。最佳时间：

• 366毫秒

可以改善每个查询的结果，尤其是

存在时的结果

Postgres 9.5的相关、更详细的基准测试（实际上检索不同的行，而不仅仅是计数）：



使用
OVER（）
和
限制1
：

SELECT COUNT(1) OVER()
FROM posts 
   INNER JOIN votes ON votes.post_id = posts.id 
GROUP BY posts.id
LIMIT 1;

为什么您认为它不是最佳的？这似乎是一种非常常见的操作，有一种更简单的方法。PG:：Error:Error:column“posts.id”必须出现在GROUP BY子句中或在聚合中使用function@skinkelynet：这是因为答案有细微的错误-它必须是来自投票的
。我在答案中添加了正确的表单。@LostCrotchet事实证明，您可以在PostgreSQL中这样做。你需要把字段列表放在括号里，例如…
选择COUNT（DISTINCT（firstname，lastname））FROM people
。你说的“更便携”是什么意思？@a_horse_和_no_name:“更便携”真的是胡说八道。删除了那个位，谢谢你指出。我错误地认为SQLite不支持聚合函数中的
DISTINCT
就像所有其他主要的RDBMS一样。作为补偿（因为我想为自己澄清这一点），我用一个基准阐述了性能角度。如果我读得正确，你就错过了我的CTE版本。不过，它应该相当于一个子查询。@wildplasser:很抱歉，重新创建了场景（不完全相同，但从安装程序中可以看到非常接近），并为CTE版本添加了结果。正如预期的那样，CTE在这里对性能没有帮助。
SELECT COUNT(1) OVER()
FROM posts 
   INNER JOIN votes ON votes.post_id = posts.id 
GROUP BY posts.id
LIMIT 1;