选择与另一个表相关的行的计数字段

Question

我长期以来一直在努力解决这个问题，但不知道如何解决它。我很难描述，所以请耐心等待。有两个表：

表“用户”

UserId PK
Gender

表格“表格”

FormId PK
UserId1 FK
UserId2 FK
Type

表单始终与两个用户相关，但并非所有用户都有相关表单。现在我想只计算那些具有相关表单的用户的指定性别。

因此，我想拥有某物。像这样：

# |  Gender | GenderCount
1 |  male   |     43
2 |  female |     12
3 |  trans  |     2

我尝试了以下 SQL 脚本，但结果并不明显（所有 GenderCount 的总和大于实际用户数）

SELECT u.Gender AS 'Gender', COUNT(u.Gender) AS 'GenderCount' 
FROM Users u, Forms f 
WHERE ((f.UserId1 = u.UserId) 
    OR (f.UserId2 = u.UserId)) 
AND (Type = 'Foo') 
GROUP BY Gender 
ORDER BY GenderCount 
DESC

有什么技巧可以解决这个问题吗？

Answer 1

我们来看看你想要什么：

• 每种性别有多少人回答了任何形式？
• 注意：每个用户都应该只计算一次，无论他们填写了多少表格。

这样说，答案变得相当明显，至少在伪代码中：

SELECT
    u.Gender,
    COUNT(u.Gender)
FROM
    Users u
WHERE
    [User has answered a form]
GROUP BY
    u.Gender

确定用户是否已回答表单的最简单方法取决于所使用的 SQL 的特定风格。您需要使用子查询。有几种访问方式可供选择。

IN是最常用的方法：

SELECT
    u.Gender        Gender,
    COUNT(u.Gender) GenderCount
FROM
    Users u
WHERE
    u.id IN (
        SELECT f.UserId1 user_id FROM Forms f WHERE Type = 'Foo'
        UNION
        SELECT f.UserId2 user_id FROM Forms f WHERE Type = 'Foo'
    )
GROUP BY
    Gender
ORDER BY
    GenderCount DESC

在可用的情况下，EXISTS 阅读起来更自然，有时速度更快：

SELECT
    u.Gender        Gender,
    COUNT(u.Gender) GenderCount
FROM
    Users u
WHERE
    EXISTS(
        SELECT '1'
        FROM Forms f
        WHERE
            (f.UserId1 = u.id OR f.UserId2 = u.id)
            AND Type = 'Foo'
    )
GROUP BY
    Gender
ORDER BY
    GenderCount DESC

关于速度：查询优化器通常会在可能的情况下将IN 转换为EXISTS，以避免不必要地选择额外的行。但是，使用多列需要OR 或UNION，所以即使在这种情况下也可能很漂亮。即：OR 和 UNION 都不能很好地处理索引。

Answer 2

SELECT u1.Gender AS 'Gender', COUNT(*) AS 'GenderCount'
FROM
    Users u1 
        INNER JOIN 
    (SELECT DISTINCT u.UserId
    FROM 
        Users u
            INNER JOIN Forms f ON ((f.UserId1 = u.UserId) 
                                OR (f.UserId2 = u.UserId))
                                AND (f.Type = 'Foo')) T ON T.UserId = u1.UserId
GROUP BY Gender 
ORDER BY GenderCount DESC

Answer 3

跳过每个用户生成多行的连接：

SELECT Gender, COUNT(Gender) AS 'GenderCount' 
FROM Users
WHERE UserId IN (SELECT UserId1 FROM Forms WHERE Type = 'Foo' 
                 UNION 
                 SELECT UserId2 FROM Forms WHERE Type = 'Foo')
GROUP BY Gender 
ORDER BY GenderCount DESC

或者，如果您希望避免使用 UNION（顺便说一句，这在这种情况下完全有效），您可以像这样使用 OR：

SELECT Gender, COUNT(Gender) AS 'GenderCount' 
FROM Users
WHERE UserId IN (SELECT UserId1 FROM Forms WHERE Type = 'Foo')
   OR UserId IN (SELECT UserId2 FROM Forms WHERE Type = 'Foo')
GROUP BY Gender 
ORDER BY GenderCount DESC

正如其他人所指出的，也有一些方法可以使用 JOIN 来做到这一点。但是，JOIN 为 DBMS 引擎增加了不必要的复杂性，因为它首先需要匹配行，然后减少到 DISTINCT 值。

Answer 4

你应该使用

count(distinct u.UserId)

这样用户只会被计算一次：count(distinct field_name) 会计算 field_name 中包含的唯一值的数量，因此在主键上计算不同的值会为您提供唯一用户的数量，这就是您要查找的内容。

另外，您最好不要加入，而是使用这样的 in 子句

select Gender, count(distinct UserId) as GenderCount
from Users
where u.UserId in (select UserId1 from Forms) or u.UserId in (select UserId2 from Forms)

它可能也会稍微快一点。