仅基于表的一列消除重复值

Question

我的查询：

SELECT sites.siteName, sites.siteIP, history.date
FROM sites INNER JOIN
     history ON sites.siteName = history.siteName
ORDER BY siteName,date

输出的第一部分：

如何删除siteName 列中的重复项？我只想保留基于date 列的更新版本。

在上面的示例输出中，我需要第 1、3、6、10 行

Answer 1

我使用这种模式解决了这样的查询：

SELECT *
FROM t
WHERE t.field=(
  SELECT MAX(t.field) 
  FROM t AS t0 
  WHERE t.group_column1=t0.group_column1
    AND t.group_column2=t0.group_column2 ...)

也就是说，它将选择字段值处于最大值的记录。要将其应用于您的查询，我使用了公用表表达式，这样我就不必重复 JOIN 两次：

WITH site_history AS (
  SELECT sites.siteName, sites.siteIP, history.date
  FROM sites
  JOIN history USING (siteName)
)
SELECT *
FROM site_history h
WHERE date=(
  SELECT MAX(date) 
  FROM site_history h0 
  WHERE h.siteName=h0.siteName)
ORDER BY siteName

请务必注意，它仅在我们计算最大值的字段是唯一的情况下才有效。在您的示例中，date 字段对于每个siteName 应该是唯一的，也就是说，如果 IP 不能每毫秒更改多次。根据我的经验，这通常是这种情况，否则您无论如何都不知道哪条记录是最新的。如果history表有(site, date)的唯一索引，这个查询也很快，对history表的索引范围扫描只扫描第一项就可以了。

Answer 2

从您的示例中，假设siteIP 列由siteName 列确定（即每个站点只有一个siteIP）似乎是合理的。如果确实如此，那么有一个使用group by的简单解决方案：

select
  sites.siteName,
  sites.siteIP,
  max(history.date)
from sites
inner join history on
  sites.siteName=history.siteName
group by
  sites.siteName,
  sites.siteIP
order by
  sites.siteName;

但是，如果我的假设不正确（也就是说，一个站点可能有多个siteIP），那么您不清楚您希望查询在第二个返回哪个siteIP柱子。如果只是任何siteIP，则以下查询将执行：

select
  sites.siteName,
  min(sites.siteIP),
  max(history.date)
from sites
inner join history on
  sites.siteName=history.siteName
group by
  sites.siteName
order by
  sites.siteName;

Answer 3

这就是窗口函数row_number() 派上用场的地方：

SELECT s.siteName, s.siteIP, h.date
FROM sites s INNER JOIN
     (select h.*, row_number() over (partition by siteName order by date desc) as seqnum
      from history h
     ) h
    ON s.siteName = h.siteName and seqnum = 1
ORDER BY s.siteName, h.date