选择不同的记录，同时从 MySQL 中选择第一次出现的记录答案

【问题标题】：Select distinct records and at the same time first occurance of the record from MySQL选择不同的记录，同时从 MySQL 中选择第一次出现的记录
【发布时间】：2016-03-19 08:54:20
【问题描述】：

我对 MySQL 执行计划不够熟悉，因此我需要帮助来了解和了解如何在可能的情况下对 MySQL 中的数据子集进行操作。我有两张桌子：

表用户：

+-----------------+-------------+------+-----+---------+----------------+
| Field           | Type        | Null | Key | Default | Extra          |
+-----------------+-------------+------+-----+---------+----------------+
| user_id         | int(11)     | NO   | PRI | NULL    | auto_increment |
| msisdn          | bigint(20)  | NO   | UNI | NULL    |                |
| activation_date | datetime    | NO   |     | NULL    |                |
| msisdn_type     | varchar(32) | NO   |     | NULL    |                |
+-----------------+-------------+------+-----+---------+----------------+

表 log_archive：

+-------------+--------------+------+-----+---------+-------+
| Field       | Type         | Null | Key | Default | Extra |
+-------------+--------------+------+-----+---------+-------+
| msisdn      | bigint(11)   | NO   | MUL | NULL    |       |
| msisdn_type | varchar(32)  | NO   |     | NULL    |       |
| date        | date         | NO   |     | NULL    |       |
| action      | varchar(32)  | NO   |     | NULL    |       |
+-------------+--------------+------+-----+---------+-------+

在表 users 中 msisdn 是唯一的，但在 log_archive 中不是。

在这里您可以找到将为您生成这两个表的测试数据的 PHP 脚本：

Test data generation script helper

我需要选择：

1) All distinct records by msisdn from table log_archive;
2) By earliest date per msisdn for one specific action only;
3) For a specific date range from table log_archive;
4) And to join activation_date from users table with msisdn from both tables.

让我举个例子。假设这是来自 log_archive 表的示例数据：

+--------------+------------+---------------------+----------------+
|    msisdn    |    date    |   activation_date   |     action     |
|--------------+------------+---------------------+----------------+
| 977129764170 | 2016-02-11 | 2014-10-07 00:00:00 | all_services   |
| 977129764170 | 2015-09-05 | 2014-10-07 00:00:00 | app_start      |
| 977129764170 | 2015-05-08 | 2014-10-07 00:00:00 | widget         |
| 986629508626 | 2015-07-12 | 2016-02-05 00:00:00 | app_start      |
| 986629508626 | 2015-03-02 | 2016-02-05 00:00:00 | number_connect |
| 986629508626 | 2015-05-08 | 2016-02-05 00:00:00 | widget         |
| 986629508626 | 2015-01-08 | 2016-02-05 00:00:00 | app_start      |
| 933563888440 | 2016-02-20 | 2014-10-06 00:00:00 | all_services   |
| 933563888440 | 2015-03-12 | 2014-10-06 00:00:00 | app_start      |
| 933563888440 | 2015-04-26 | 2014-10-06 00:00:00 | number_connect |
| 933563888440 | 2015-10-17 | 2014-10-06 00:00:00 | all_services   |
| 943730853721 | 2015-06-19 | 2015-05-01 00:00:00 | widget         |
| 943730853721 | 2015-12-08 | 2015-05-01 00:00:00 | app_start      |
| 943730853721 | 2016-02-09 | 2015-05-01 00:00:00 | app_start      |
+--------------+------------+---------------------+----------------+

这里不同的 msisdns 是 977129764170、986629508626、933563888440、943730853721；

action 列等于“app_start”的不同 msisdn 值的最早日期是：

977129764170 is 2015-09-05
986629508626 is 2015-01-08
933563888440 is 2015-03-12
943730853721 is 2015-06-19

我需要编写这样的 SQL 来给我这个输出：

+--------------+------------+---------------------+----------------+
|    msisdn    |    date    |   activation_date   |     action     |
|--------------+------------+---------------------+----------------+
| 977129764170 | 2015-09-05 | 2014-10-07 00:00:00 | app_start      |
| 986629508626 | 2015-01-08 | 2016-02-05 00:00:00 | app_start      |
| 933563888440 | 2015-03-12 | 2014-10-06 00:00:00 | app_start      |
| 943730853721 | 2015-12-08 | 2015-05-01 00:00:00 | app_start      |
+--------------+------------+---------------------+----------------+

因此，我需要为 app_start 操作发生的最早日期选择所有不同的 msisdns，并通过该不同的 msisd 从 users 表中加入 activation_date。并且只从日期列中查找特定的日期范围。

我用这个 sql 试了一下，没有结果：

SELECT DISTINCT(log_archive.msisdn) as msisdn, DATE(log_archive.date) AS actionDate, users.activation_date

FROM log_archive 

INNER JOIN users on log_archive.msisdn = users.msisdn

WHERE log_archive.action = 'app_start' && log_archive.date BETWEEN '2015-01-08' AND '2016-03-15'

ORDER BY actionDate ASC;

即使我使用了 DISTINCT，我也不止一次获得相同的 msisdn。

我需要使用子查询吗？

【问题讨论】：

删除 DISTINCT 并使用 GROUP BY log_archive.msisdn
@BerndBuffen 我不能这样做，因为我不会获得 log_archive.action = 'app_start' 发生的最早记录。请阅读我解释所需输出的部分。

标签： mysql sql subquery innodb

【解决方案1】：

您需要一个GROUP BY 来为每个msisdn 获取MIN(date)；

SELECT msisdn, MIN(date) date, MIN(action) action 
FROM log_archive 
WHERE action='app_start' 
  AND date BETWEEN '2015-01-08' AND '2016-03-15' 
GROUP BY msisdn

我们还添加了一个MIN(action)，因为我们应该聚合每个未分组的字段，并且由于所有选定行的操作都是相同的，MIN 效果很好。

一旦你有了它，添加连接就很简单了；

SELECT a.msisdn, MIN(a.date) date, u.activation_date, MIN(a.action) action 
FROM log_archive a
JOIN users u
  ON u.msisdn = a.msisdn
WHERE a.action='app_start' 
  AND a.date BETWEEN '2015-01-08' AND '2016-03-15' 
GROUP BY a.msisdn

【讨论】：

当我现在测试你的 sql 时，一切正常。只是我不明白为什么我们需要聚合每个未分组的字段？非常感谢男人:)
@CaslavSabani 这是标准 SQL 中的一个要求，但是默认情况下，MySQL 会让你摆脱它（它会显示组中伪随机行的值）。由于在这种情况下，行具有相同的 action 值，因此无论如何它都会给出正确的结果，但如果您想使用任何其他数据库系统，学习它是一个好习惯。
感谢您的回复。你能给我一些指示，我可以在其中阅读更多关于 GROUP BY 和 MySQL 和 SQL 中的聚合函数之间的关系的信息。或者我如何在谷歌中搜索它。在哪里可以了解有关 MySQL 执行计划的更多信息？

【解决方案2】：

SDISTINCT 查看所有返回的列，因此返回的数据行不同。因此，如果您只希望 log_archive 中的不同行在加入之前在子查询中使用它。喜欢：

(SELECT DISTINCT * FROM log_archive) AS distinct_Log INNER JOIN...

【讨论】：