Mysql选择一列中具有相同值而另一列中具有不同值的行

Question

如果有人能验证我的 SQL 查询，我将不胜感激。

对于以下数据集：

MD5      UserPK      CategoryPK    
ADCDE    1           7  
ADCDE    1           4  
ADCDE    1           7  
dffrf    1           7  
dffrf    2           7  
dffrf    2           6 
dffrf    1           1 

我想选择 MD5 和 CategoryPK，其中两行或多行具有相同的 MD5 值、相同的 CatgegoryPK 和两个或更多不同的 UserPK 值。

换句话说，我想知道两个或多个不同用户 (UserPK) 已将同一类别 (UserPK) 分配给同一文件 (Md5) 的所有记录的 MD5 和 categoryPK。我对同一用户多次分配类别的记录不感兴趣，（除非不同的用户也为该文件分配了相同的类别）。

所以从上面的数据来看，我想只返回：

md5    CategoryPK
dffrf  7

我写的查询是：

SELECT md5, 
       count(md5), 
       count(distinct categorypk) as cntcat, 
       count(distinct userpk) as cntpk
FROM Hash
       group by md5 having count(md5) > 1 
                           and cntpk > 1
                           and cntcat = 1;

它似乎有效，但在我开始愤怒地使用它之前，如果我遗漏了什么或者有更好的方法，我会很感激第二个意见。

谢谢

Answer 1

我不认为你的代码会给你你所追求的；如果一个文件被多个用户分配了多个类别，并且某些类别重叠，会发生什么情况？然后cntcat != 1，因此即使文件确实已被多个用户以相同的方式分类，您的HAVING 子句也将无法匹配。

我会改为使用自联接：

SELECT   a.MD5, a.CategoryPK
FROM     Hash a
  JOIN   Hash b
      ON a.MD5 = b.MD5
     AND a.UserPK <> b.UserPK
     AND a.CategoryPK = b.CategoryPK
GROUP BY a.MD5, a.CategoryPK
HAVING   COUNT(DISTINCT a.UserPK) > 2  -- you said "more than 2" ?

Answer 2

除了您没有在选择列表中获得似乎符合标准的类别之外，我看不出您所写内容有任何问题？我想你可以稍微简化一下，把这个类别拿出来：

SELECT  MD5, CategoryPK
FROM    Hash
GROUP BY MD5, CategoryPK
HAVING MIN(UserPK) <> MAX(UserPK)

或者，您可以考虑通过联接解决此问题，您可能需要运行一些测试并使用 EXPLAIN，但有时联接的性能优于 GROUP BY。无论如何，值得尝试看看您是否发现任何显着差异。

SELECT  DISTINCT t1.MDF, t2.CategoryPK
FROM    Hash T1
        INNER JOIN Hash T2
            ON T1.MD5 = T2.MD5
            AND T1.CategoryPK = T2.CategoryPK
            AND T1.UserPK < T2.UserPK