我应该如何处理 PostgreSQL 中的“从 y 中排名 x”的数据？答案

【问题标题】：How should I handle "ranked x out of y" data in PostgreSQL?我应该如何处理 PostgreSQL 中的“从 y 中排名 x”的数据？
【发布时间】：2010-11-30 19:16:08
【问题描述】：

我有一个表格，我希望能够为其呈现“Y 中排名 X”的数据。特别是，我希望能够以相对有效的方式呈现单个行的数据（即不选择表中的每一行）。排名本身非常简单，它是表中单个列的直接 ORDER BY。

Postgres 似乎在这方面提出了一些独特的挑战； AFAICT 它没有 RANK 或 ROW_NUMBER 或等效功能（至少在 8.3 中，我暂时坚持使用它）。邮件列表档案中的规范答案似乎是创建一个临时序列并从中选择：

test=> create temporary sequence tmp_seq;
CREATE SEQUENCE
test=*> select nextval('tmp_seq') as row_number, col1, col2 from foo;

当我只想从表中选择一行时（并且我想按 PK 选择它，而不是按排名），这个解决方案似乎仍然无济于事。

我可以对排名进行非规范化并将其存储在单独的列中，这使得呈现数据变得微不足道，但只是重新定位了我的问题。 UPDATE 不支持 ORDER BY，所以我不确定如何构建一个 UPDATE 查询来设置排名（没有选择每一行并为每一行运行一个单独的 UPDATE，这似乎太多的数据库活动每次排名需要更新时触发）。

我是否遗漏了一些明显的东西？这样做的正确方法是什么？

编辑：显然我不够清楚。我知道 OFFSET/LIMIT，但我看不出它如何帮助解决这个问题。我不是想选择排名第 X 的项目，而是尝试选择任意项目（例如，通过它的 PK），然后能够向用户显示“在 312 中排名第 43 位”之类的内容。

【问题讨论】：

标签： sql postgresql ranking

【解决方案1】：

如果您想要排名，请执行以下操作

SELECT id,num,rank FROM (
  SELECT id,num,rank() OVER (ORDER BY num) FROM foo
) AS bar WHERE id=4

或者如果你真的想要行号，使用

SELECT id,num,row_number FROM (
  SELECT id,num,row_number() OVER (ORDER BY num) FROM foo
) AS bar WHERE id=4

当您在某处具有相同的值时，它们会有所不同。如果需要，还可以使用 dense_rank()。

这当然需要 PostgreSQL 8.4。

【讨论】：

这种语法肯定好很多。也许我必须考虑升级需要什么。
就目前而言，我从未遇到过使用预先设计的数据库进行升级的问题，但好处很多。然而，我的一位客户发现，使用新的HashAggregate 方法，DISTINCT 不一定再排序，这破坏了他的一些查询。当然，这要怪他，但请确保您的查询不依赖这些技巧。
最初的问题指定了 8.3，但我认为值得升级到 8.4 以访问这些功能。工作得很好，感谢您的回答！

【解决方案2】：

不就是这样吗：

SELECT  *
FROM    mytable
ORDER BY
        col1
OFFSET X LIMIT 1

或者我错过了什么？

更新：

如果要显示排名，请使用：

SELECT  mi.*, values[1] AS rank, values[2] AS total
FROM    (
        SELECT  (
                SELECT  ARRAY[SUM(((mi.col1, mi.ctid) < (mo.col1, mo.ctid))::INTEGER), COUNT(*)]
                FROM    mytable mi
                ) AS values
        FROM    mytable mo
        WHERE   mo.id = @myid
        ) q

【讨论】：

看来是我被打败了：你的答案 id 比 1 小 :)
见上面的评论；我认为你没有理解我的问题。如果我想选择排名第 12 的项目，OFFSET/LIMIT 非常好。但我没有。我想选择 id 为 37 的项目，并在网站上显示“该项目在 312 中排名第 43”。我看不出 OFFSET/LIMIT 有什么帮助。
哇，令人印象深刻。我稍后会尝试，看看它是否符合要求。
希望我能接受两个答案 - 这是一个令人印象深刻的问题。但是，我最终决定升级到 8.4 并访问 rank() 会更容易，所以我实际上并没有尝试过；觉得我应该接受我实际使用的答案。

【解决方案3】：

PostgreSQL 中的ROW_NUMBER 功能是通过LIMIT n OFFSET skip 实现的。

查找概览here。
关于排名的陷阱，请参阅this SO question。

编辑：由于您要求ROW_NUMBER() 而不是简单的排名：row_number() 在 8.4 版中被引入 PostgreSQL。所以你可能会考虑更新。否则this workaround 可能会有所帮助。

【讨论】：

我知道重复的问题并采取了预防措施。这根本不能回答我的问题。使用 LIMIT 和 OFFSET 很容易，但没有给我一个在网站上显示的排名数字（“这个项目在 312 中排名第 43”），这就是重点。

【解决方案4】：

以前的回复解决了“选择所有行并获得他们的排名”的问题，这不是您想要的......

你有一行
你想知道它的排名

只要做：

SELECT count(*) FROM table WHERE score > $1

其中 $1 是您刚刚选择的行的分数（我想您想显示它以便选择它...）。

或者做：

SELECT a., (SELECT count() FROM table b WHERE score > b.score) AS rank FROM table as a WHERE pk = ...

但是，如果您选择排在最后的一行，是的，您需要计算排在它之前的所有行，因此您需要扫描整个表，而且速度会很慢。

解决方案：

SELECT count(*) FROM (SELECT 1 FROM table WHERE score > $1 LIMIT 30)

您将获得 30 个最佳分数的精确排名，而且速度很快。谁在乎失败者？

好的，如果你真的关心失败者，你需要做一个直方图：

假设得分可以从 0 到 100，并且您有 1000000 个得分 80 的获胜者。

您制作了一个有多少行得分为 X 的直方图，它是一个有 100 行的简单小表。向主表添加触发器以更新直方图。

现在，如果你想对得分为 X 的失败者进行排名，他的排名是 sum( histo ) where histo_score > X。

由于您的分数可能不在 0 到 100 之间，而是（例如）在 0 到 1000000000 之间，因此您需要稍微捏造一下，例如扩大直方图箱。所以你最多只需要 100 个 bin，或者使用一些对数直方图分布函数。

顺便说一句，当你分析表时 postgres 会这样做，所以如果你将 statistics_target 设置为 100 或 1000 的分数，分析，然后运行：

EXPLAIN SELECT * FROM table WHERE score > $1

你会得到一个不错的行数估计值。

谁需要准确的答案？

【讨论】：