用于具有多个表连接的搜索查询的 SQL

Question

我有以下表格

文档

• docid (PK)
• 网址

wdata

• wordid (PK)
• 字

标题

• wordid
• 文档

(wordid & docid 组合唯一)

wurl

• wordid
• 文档

(wordid & docid 组合唯一)

为了搜索任何短语，我将其分解为单词并获取其wordid。表wtitle,wurl 将用于对行进行评分以进行排名。我打算添加更多用于评分的表，例如 inlink 、 inh1 标记等。但是我在为搜索词构建我的 sql 查询时遇到问题。

我的 SQL 查询是这样的

SELECT d.docid,furl,IF(t.wordid IS NULL,0,1) AS intitle,IF(u.wordid IS NULL,0,1) AS inurl FROM document d
LEFT JOIN wtitle t ON t.docid=d.docid
LEFT JOIN wdata w ON w.wordid=t.wordid
LEFT JOIN wurl u ON u.wordid=w.wordid AND u.docid=d.docid
WHERE w.wordid IN (wordid1,wordid2,wordid3)

我有以下疑问

1. 如何检查每个表 wtitle 和 wurl 两者甚至更多，因为目前它正在搜索 wtitle 中的第一个，因为 LEFT JOIN 并且其他连接被忽略了？

2. 如何正确地构建这个 SQL 查询？

   SQL 小提琴http://sqlfiddle.com/#!9/ab0052/4/0

Wordid 3 在 URL 中，但不在 Docid 2 的标题中

Wordid 3 不在 URL 中，而是在 Docid 3 的标题中

我想同时返回 doc 2 和 3，但是因为它首先通过 wtitle 连接它忽略（使用第一个查询数据）其他连接

Answer 1

如果您想知道，比如说，您要查找的两个词是否出现在文档中both，您必须同时查看标题和 url。 （否则，如果您知道其中一个词存在于 title 中，而一个词存在于 url 中，您将不知道它是同一个词还是两个词。）所以首先将两个表与UNION ALL 结合起来，但要记住属于哪条记录到哪张桌子。然后我们可以计算组合和每个位置（标题或网址）。

这是一个查找单词 ID 3 和 4 的查询。它首先列出与这两个单词匹配的条目，然后是只有一个单词匹配的文档：

SELECT 
  d.docid, 
  d.furl, 
  w.cnt_combined,
  w.cnt_in_title,
  w.cnt_in_url
FROM document d
JOIN
(
  select
    docid,
    count(distinct wordid) cnt_combined,
    sum(place = 'TITLE') cnt_in_title,
    sum(place = 'URL') cnt_in_url
  from
  (
    select 'TITLE' as place, docid, wordid from wtitle where wordid in (3,4)
    union all
    select 'URL' as place, docid, wordid from wurl where wordid in (3,4)
  ) both_tables
  group by docid
) w ON w.docid = d.docid
order by w.cnt_combined desc;

您可以通过替换来查找单词而不是单词 ID

where wordid in (3,4)

通过

where wordid in (select wordid from wdata where word in ('vaccination', 'the'))

Rextester 链接：http://rextester.com/KPVX67861（SQL fiddle 大部分时间都对我不起作用。）

我建议这些覆盖索引：

CREATE INDEX idx_wtitle ON wtitle(wordid, docid);
CREATE INDEX idx_wurl ON wurl(wordid, docid);

首先使用wordid，DBMS 可以轻松找到条目，并且由于docid 已经在索引中，DBMS 不必访问表。它从索引中获取所有数据。 （这就是为什么它们被称为覆盖索引；它们覆盖了查询需要的所有列。）