使用单个 SQL 相关子查询获取两列答案

【问题标题】：Using a single SQL correlated sub-query to get two columns使用单个 SQL 相关子查询获取两列
【发布时间】：2011-12-23 04:47:03
【问题描述】：

我的问题由以下查询表示：

SELECT 
  b.row_id, b.x, b.y, b.something,
  (SELECT a.x FROM my_table a WHERE a.row_id = (b.row_id - 1), a.something != 42 ) AS source_x,
  (SELECT a.y FROM my_table a WHERE a.row_id = (b.row_id - 1), a.something != 42 ) AS source_y
FROM 
  my_table b

我使用相同的子查询语句两次，同时获取source_x 和source_y。这就是为什么我想知道是否可以只使用一个子查询来做到这一点？

因为一旦我对我的真实数据（数百万行）运行此查询，它似乎永远不会完成并且需要数小时甚至数天（我的连接在结束前挂断）。

我使用的是 PostgreSQL 8.4

【问题讨论】：

标签： sql performance postgresql indexing correlated-subquery

【解决方案1】：

我认为你可以使用这种方法：

SELECT b.row_id
     , b.x
     , b.y
     , b.something
     , a.x
     , a.y
  FROM my_table b
  left join my_table a on a.row_id = (b.row_id - 1)
                      and a.something != 42

【讨论】：

【解决方案2】：

@DavidEG 发布了查询的最佳语法。

但是，您的问题绝对不仅仅是查询技术。 JOIN 而不是两个子查询最多可以将速度提高两倍。很可能更少。这并不能解释“小时”。即使有数百万行，设置得当的 Postgres 也应该在几秒钟内完成简单的查询，而不是几小时。

首先突出的是查询中的语法错误：
```
... WHERE a.row_id = (b.row_id - 1), a.something != 42
```
这里需要AND 或OR，而不是逗号。
接下来要检查的是索引。如果row_id 不是主键，你可能没有索引。为了获得此特定查询的最佳性能，请在 (row_id, something) 上创建一个 multi-column index，如下所示：
```
CREATE INDEX my_table_row_id_something_idx ON my_table (row_id, something)
```
如果过滤器每次都在something != 42中排除相同的值，您也可以使用partial index 来代替以提高速度：
```
CREATE INDEX my_table_row_id_something_idx ON my_table (row_id)
WHERE something != 42
```
只有当42 是一个通用值时，这才会产生重大影响或 something 是一个比整数更大的列。（由于数据对齐，具有两个 integer 列的索引在磁盘上的大小通常与只有一个列的索引相同。请参阅：
- Calculating and saving space in PostgreSQL
- Is a composite index also good for queries on the first field?
当性能成为问题时，check your settings 总是一个好主意。 Postgres 中的标准设置在许多发行版中使用最少的资源，并且无法处理“数百万行”。
根据您的实际 Postgres 版本，upgrade to a current version（撰写本文时为 9.1）可能会有很大帮助。
最终，hardware 也始终是一个因素。调优和优化只能让你走到这一步。

【讨论】：

我尝试了部分索引，然后@DavidEG 查询并很快得到了新表。非常感谢！
@JulieFen-Chong：酷。 :) 适合数百万行的索引是必不可少的。

【解决方案3】：

老式语法：

SELECT 
  b.row_id, b.x, b.y, b.something
  , a.x AS source_x
  , a.y AS source
FROM my_table b
    ,my_table a 
WHERE a.row_id = b.row_id - 1
  AND a.something != 42
  ;

连接语法：

SELECT 
  b.row_id, b.x, b.y, b.something
  , a.x AS source_x
  , a.y AS source
FROM my_table b
JOIN my_table a 
  ON (a.row_id = b.row_id - 1)
WHERE a.something != 42
  ;

【讨论】：

您需要LEFT JOIN 才能获得请求的结果。 DavidEG 做到了。
是的，如果没有找到，子查询应该返回 NULL。但是太丑了，我想...

【解决方案4】：

SELECT b.row_id, b.x, b.y, b.something, a.x, a.y
  FROM my_table b
  LEFT JOIN (
    SELECT row_id + 1, x, y
      FROM my_table
      WHERE something != 42
  ) AS a ON a.row_id = b.row_id;

【讨论】：

这行得通，但可能很慢，因为你必须在连接之前用something != 42 增加每一行（可能是大多数“数百万行”），这阻碍了标准的使用连接的索引作为副作用。
@ErwinBrandstetter 我明白你的意思，我应该将a.row_id = b.row_id - 1 保留在连接条件中。我过于专注于将something != 42 移动到子查询中。

【解决方案5】：

Postgres：

    SELECT 
      b.row_id, b.x, b.y, b.something,
      source_x,
      source_y
    FROM 
      my_table b,
LATERAL(SELECT a.x AS source_x, a.y AS source_y FROM my_table a WHERE a.row_id = (b.row_id - 1), a.something != 42 )

MsSQL

SELECT 
      b.row_id, b.x, b.y, b.something,
      source_x,
      source_y
    FROM 
      my_table b
OUTER APPLY(SELECT a.x AS source_x, a.y AS source_y FROM my_table a WHERE a.row_id = (b.row_id - 1), a.something != 42 )

【讨论】：