ClickHouse 中按组排列的前 N ​​行

Question

在 ClickHouse 中按组查询前 N 行的正确方法是什么？
让我们以具有 id2、id4、v3 列且 N=2 的 tbl 为例。 我尝试了以下

SELECT                                                                          
    id2,                                                                        
    id4,                 
    v3 AS v3        
FROM tbl
GROUP BY                 
    id2,                 
    id4                  
ORDER BY v3 DESC                                                                
LIMIT 2 BY                       
    id2,                 
    id4      

但出现错误

Received exception from server (version 19.3.4):
Code: 215. DB::Exception: Received from localhost:9000, 127.0.0.1. DB::Exception
: Column v3 is not under aggregate function and not in GROUP BY..

我可以将v3 放入 GROUP BY 中，它似乎确实有效，但按指标分组效率不高。

有 any 聚合函数，但我们实际上想要 all 值（由 LIMIT BY 子句限制为 2）而不是 any 值，所以这里听起来不是正确的解决方案。

SELECT                                                                          
    id2,                                                                        
    id4,                 
    any(v3) AS v3        
FROM tbl
GROUP BY                 
    id2,                 
    id4                  
ORDER BY v3 DESC                                                                
LIMIT 2 BY                       
    id2,                 
    id4      

Answer 1

可以这样使用aggregate functions：

SELECT
    id2,
    id4,
    arrayJoin(arraySlice(arrayReverseSort(groupArray(v3)), 1, 2)) v3
FROM tbl
GROUP BY
    id2,
    id4

Answer 2

您也可以按照thread 中所述的“普通”SQL 中的方式进行操作

虽然 vladimir 的解决方案适用于许多情况，但不适用于我的情况。我有一张桌子，看起来像这样：

column    | group by    
++++++++++++++++++++++
A         | Yes
B         | Yes
C         | No

现在，假设 A 列标识用户，B 列代表用户可以执行的任何操作 e。 G。在您的网站或在线游戏上。 C 列是用户执行此特定操作的频率的总和。 Vladimir 的解决方案将允许我获得 A 列和 C 列，但不是用户已执行的操作（B 列），这意味着我会知道用户多久执行一次某事，但不知道 what .

这样做的原因是按 A 和 B 进行分组是没有意义的。每一行都是一个唯一的组，并且您无法找到前 K 行，因为每个组只有 1 个成员。结果是您查询的同一张表。相反，如果您仅按 A 分组，则可以应用 vladimir 的解决方案，但只会得到 A 列和 C 列。您不能输出 B 列，因为它不是所解释的 Group By 语句的一部分。

如果您想获得用户执行的前 2 个（或前 5 个或前 100 个）操作，您可能会寻找这样的解决方案：

SELECT rs.id2, rs.id4, rs.v3
    FROM (
        SELECT id2, id4, v3, row_number()
        OVER (PARTITION BY id2, id4 ORDER BY v3 DESC) AS Rank
        FROM tbl
    ) rs WHERE Rank <= 2

注意：要使用这个，你必须设置allow_experimental_window_functions = 1。