查询以获取分组中不同项目的计数答案

【问题标题】：Query to get count of distinct items in groupings查询以获取分组中不同项目的计数
【发布时间】：2021-07-10 12:37:30
【问题描述】：

我有一个表，它存储 created 为另一个表中的项目分组，如下所示：

表1

表2

鉴于上述情况，我想编写一个查询，返回 table1 中已为其创建分组的项目数。

这听起来像是在执行以下操作，但实际上这不是我想要的，因为必须手动创建组才能出现在表 2 中，因此您可能有一个来自 table1 的项目在表 2 中不存在表2，因为尚未创建分组（即id：555）。

SELECT count(id)
FROM table1
WHERE group IS NOT NULL

上面将返回 4，但我需要查看 table2 并返回 3，这是 table1 中的项目计数，其组存在于 table2 的类别列中。

我的真实表可能非常大，最多可达 100k+ 行，所以我认为检查表 1 中的组字符串是否存在于表 2 中并不有效，因为这可能需要永远运行 - 或者是这是唯一可行的解决方案？

PS：尝试使用表格降价，但我一定搞砸了 PPS 类别列不是 json 类型，它只是字符串

【问题讨论】：

标签： sql presto trino

【解决方案1】：

不确定这是否会更快，但您可以准备现有的类别聚合。类似的东西（你也可以尝试set_union 而不是array_agg 和flatten 和array_distinct）：

SELECT array_distinct(flatten(array_agg(CAST(JSON_EXTRACT(categories, '$.x') as ARRAY(VARCHAR)))))
FROM table2

并检查group 是否在结果中。

【讨论】：

【解决方案2】：

假设table2 不会在数组中包含table1 中不存在的任何组，您可以尝试以下操作：

WITH table1(id, "group", qty) AS (
    SELECT *
    FROM (VALUES (111, 'cups', 1),
                 (222, 'plates', 2),
                 (333, 'spoons', 5),
                 (444, null, 2),
                 (555, 'knives', 2))
),
     table2(group_id, categories, count_inventory) as (
         SELECT *
         FROM (VALUES ('A1', CAST(MAP(ARRAY['x'], ARRAY[ARRAY['cups', 'plates']]) AS JSON), 3),
                      ('B1', CAST(MAP(ARRAY['x'], ARRAY[ARRAY['cups']]) AS JSON), 1),
                      ('C1', CAST(MAP(ARRAY['x'], ARRAY[ARRAY['cups', 'spoons']]) AS JSON), 6),
                      ('C4', CAST(MAP(ARRAY['x'], ARRAY[ARRAY['spoons']]) AS JSON), 5)
              ))
SELECT reduce(
    array_agg(CAST(json_extract(categories, '$.x') AS ARRAY(VARCHAR))),
    array[],
    (s, x) -> array_union(s, x),
    x -> cardinality(x)
    )
FROM table2 WHERE categories is not null;

【讨论】：