sum() 与 count()

Question

考虑一个在 PostgreSQL 中实现的投票系统，每个用户都可以对“foo”进行投票。有一个foo 表存储所有“foo 信息”，还有一个votes 表存储user_id、foo_id 和vote，其中vote 是+1 或-1。

要获得每个 foo 的投票数，可以使用以下查询：

SELECT sum(vote) FROM votes WHERE foo.foo_id = votes.foo_id;

但是，以下方法也可以：

(SELECT count(vote) FROM votes 
 WHERE foo.foo_id = votes.foo_id 
 AND votes.vote = 1)
- (SELECT count(vote) FROM votes 
   WHERE foo.foo_id = votes.foo_id 
   AND votes.vote = (-1))

我目前在votes.foo_id 上有一个索引。

哪种方法更有效？ （换句话说，哪个会跑得更快？） 我对 PostgreSQL 特定答案和一般 SQL 答案都感兴趣。

编辑

很多答案都考虑了vote 为空的情况。我忘了提到在投票列上有一个NOT NULL 约束。

此外，许多人一直指出第一个更容易阅读。是的，这绝对是真的，如果一位同事写了第二个，除非有表演的必要性，否则我会愤怒地爆炸。无论如何，问题仍然在于两人的表现。 （从技术上讲，如果第一个查询方式慢，那么编写第二个查询就不是犯罪了。）

Answer 1

我希望第一个查询能够更快地工作，因为这是一个单一的查询并且它更具可读性（方便您在一段时间后必须回到这个问题）。

第二个查询由两个查询组成。您只会得到一个结果，就好像它是一个查询一样。

也就是说，为了绝对确定其中哪一个更适合您，我将使用大量虚拟数据填充两个表并检查查询执行时间。

Answer 2

当然，第一个例子更快、更简单、更容易阅读。甚至在获得slapped with aquatic creatures 之前就应该很明显。虽然sum() 比count() 稍微贵一点，但更重要的是第二个示例需要两次扫描。

但也有一个实际差异：sum() 可以返回 NULL，而 count() 不能。我引用manual on aggregate functions：

需要注意的是，除了count，这些函数都返回一个 未选择任何行时为空值。特别是，没有行的总和 返回 null，而不是预期的零，

由于您似乎有一个性能优化的弱点，这里有一个您可能喜欢的细节：count(*) 比count(vote) 稍快。仅当投票为 NOT NULL 时才等效。使用EXPLAIN ANALYZE 测试性能。

仔细观察

这两个查询都是句法上的废话，单独存在。仅当您从较大查询的 SELECT 列表中复制它们时才有意义，例如：

SELECT *, (SELECT sum(vote) FROM votes WHERE votes.foo_id = foo.foo_id)
FROM   foo;

这里的重点是相关子查询——如果您在查询中只读取votes 的一小部分，这可能没问题。我们会看到额外的WHERE 条件，并且您应该有匹配的索引。

在 Postgres 9.3 或更高版本中，替代的、更简洁、100% 等效的解决方案是LEFT JOIN LATERAL ... ON true：

SELECT *
FROM   foo f
LEFT   JOIN LATERAL (
   SELECT sum(vote) FROM votes WHERE foo_id = f.foo_id
   ) v ON true;

通常类似的性能。详情：

• What is the difference between LATERAL and a subquery in PostgreSQL?

但是，在从表 votes 中读取大部分或全部时，这会（快得多）：

SELECT f.*, v.score
FROM   foo f
JOIN   (
   SELECT foo_id, sum(vote) AS score
   FROM   votes
   GROUP  BY 1
   ) v USING (foo_id);

先聚合子查询中的值，然后加入结果。
关于USING：

• Remove duplicate column after SQL query

Answer 3

第一个会更快。您可以通过简单的方式尝试一下。

生成一些数据：

CREATE TABLE votes(foo_id integer, vote integer);
-- Insert 1000000 rows into 100 foos (1 to 100)
INSERT INTO votes SELECT round(random()*99)+1, CASE round(random()) WHEN 0 THEN -1 ELSE 1 END FROM generate_series(1, 1000000);
CREATE INDEX idx_votes_id ON votes (foo_id);

同时检查

EXPLAIN ANALYZE SELECT SUM(vote) FROM votes WHERE foo_id = 5;
EXPLAIN ANALYZE SELECT (SELECT COUNT(*) AS count FROM votes WHERE foo_id=5 AND vote=1) - (SELECT COUNT(*)*-1 AS count FROM votes WHERE foo_id=5 AND vote=-1);

但事实是它们并不等同，为了确保第一个可以作为第二个，您需要处理 null 案例：

SELECT COALESCE(SUM(vote), 0) FROM votes WHERE foo_id = 5;

还有一件事。如果您使用的是 PostgreSQL 9.2，您可以创建包含两列的索引，这样您就有机会使用仅索引扫描：

CREATE INDEX idx_votes_id ON votes (foo_id, vote);

但是！在某些情况下，此索引可能最差，因此您应该尝试同时使用这两个索引并运行 EXPLAIN ANALYZE 以查看哪个是最好的，或者甚至创建两者并检查哪个 PostgreSQL 使用最多（并排除另一个）。