连接四个涉及 LEFT JOIN 的表，不重复答案

【问题标题】：Join four tables involving LEFT JOIN without duplicates连接四个涉及 LEFT JOIN 的表，不重复
【发布时间】：2015-10-07 13:41:25
【问题描述】：

我想连接四个具有 null 值且不重复的表，然后将其转换为 SQLAlchemy 查询。

表格是（简化的）：

Category(id, name)
Task(id, category.id, name)
User(id, name)

还有一个多对多表：

Solved(task.id, user.id)

我想获取所有任务及其类别和解决任务的特定用户的列：

+---------------+-----------+-----------+
| category.name | task.name | user.name |
+---------------+-----------+-----------+
| abc           | abctask1  | <null>    |
| abc           | abctask2  | luke      |
| def           | deftask1  | <null>    |
| ghi           | ghitask1  | <null>    |
| ghi           | ghitask2  | luke      |
+---------------+-----------+-----------+

目前我有 3 到 4 个单独的 SQLAlchemy 查询来执行该任务。如果可能，应该将其合并到一个查询中，以避免对数据库进行过多读取。

到目前为止，我得到了：

SELECT DISTINCT
  cat.name, t.name, u.name
FROM
  Task t
JOIN 
  Category cat ON cat.id = t.category_id
LEFT JOIN 
  Solved s ON s.task_id = t.id
LEFT JOIN 
  User u ON s.user_id = u.id AND
  u.name = 'luke'
ORDER BY
  cat.name

但是，尽管DISTINCT，我从给定用户的所有行中都得到了重复：

+---------------+-----------+-----------+
| category.name | task.name | user.name |
+---------------+-----------+-----------+
| abc           | abctask1  | <null>    |
| abc           | abctask2  | luke      |
| abc           | abctask2  | <null>    | <-- duplicate
| def           | deftask1  | <null>    |
| ghi           | ghitask1  | <null>    |
| ghi           | ghitask2  | luke      |
| ghi           | ghitask2  | <null>    | <-- duplicate
+---------------+-----------+-----------+

是否有可能通过一次查询获取此表并将其转换为 SQLAlchemy？

【问题讨论】：

记录一下：DISTINCT 只会合并完全相同的行。它不会像 OP 中显示的那样删除“几乎重复的”。
显示的结果没有重复。似乎您实际上希望结果中有不同的 tasks （每个任务恰好一行） - 仅当 s(he) 解决了给定用户时？顺便说一句，User 不是没有双引号的有效表名（保留字）。

标签： sql postgresql join sqlalchemy left-join

【解决方案1】：

你有两个LEFT JOINS：

第一个左连接可以连接到来自solved 的多行。比如说，“jane”和“luke”解决了这个任务。
第二个左连接只能加入名为“luke”的用户（加入条件中的“luke”！）。

你仍然得到 both 行，'jane' 没有显示，连接条件将她过滤掉，但LEFT JOIN 仍然保留了结果中的行并附加 NULL 值。

您可以通过使用括号和[INNER] JOIN而不是solved和users之间的LEFT JOIN来实现您的目标。 The manual:

如有必要，请使用括号来确定嵌套顺序。在里面没有括号，JOINs 从左到右嵌套。

SELECT c.name AS cat_name, t.name AS task_name, u.name AS user_name
FROM   task t
JOIN   category c ON cat.id = t.category_id
LEFT   JOIN
      (solved s JOIN users u ON u.id = s.user_id AND u.name = 'luke') ON s.task_id = t.id
ORDER  BY 1, 2, 3;

使用表名users代替保留字~~user~~。
假设users.name 被定义为唯一，或者您可以拥有多个名为“luke”的用户。
如果solved 中的(task.id, users.id) 定义为UNIQUE 或PRIMARY KEY，则根本不需要DISTINCT。

生成的查询不仅正确，而且速度更快。

上述查询的 SqlAlchemy 版本： (contributed by @van)
这假定Category、Task 和User 是映射类，而solved 是Table 的实例（只是代码示例Many to Many 中所示的关联表）：

user_name = 'luke'
q = (session.query(Category.name, Task.name, User.name)
     .select_from(Task)
     .join(Category)
     .outerjoin(
         join(solved, User,
              (solved.c.user_id == User.id) & (User.name == user_name),
         ))
     .order_by(Category.name, Task.name, User.name)
     )

【讨论】：

很好的解释和完美的解决方案，谢谢。

【解决方案2】：

问题来自您的数据，即您可能有 2 个任务称为 abctask2/ghitask2。也许您应该对任务名称进行限制。您的查询效果很好。

http://sqlfiddle.com/#!9/c4647c/4

尝试检查

SELECT category_id, name ,count(*) from TASK GROUP BY category_id, name HAVING COUNT(*)<>1

【讨论】：

数据中有解释，不重复。