SQL 查询 - 尽量避免结果集中的重复数据？

Question

这是一个我想了很久的问题。我会尝试通过一个例子来解释，但这是一个普遍的问题。

假设你有两张桌子：

1. users，保存用户的名字、姓氏……
2. posts，保存用户撰写的帖子，包含标题、文本、...等字段。

现在，假设我想显示过去 24 小时内创建的所有帖子。在此表中，我想显示创建此帖子的用户的名字、姓氏……。查询可能类似于：

SELECT ... FROM posts, users WHERE posts.user_id = users.id AND [last 24 hours]

现在，我的问题。由于一个用户很可能在过去 24 小时内创建了多个帖子，因此我们基本上是在一次又一次地检索他/她的名字、姓氏……。也就是说，上述查询的结果集包含重复数据（但不包含重复行）。

这样做不是更好吗：

1. SELECT ... FROM Posts WHERE [过去 24 小时]
2. SELECT ... FROM users where id IN（SELECT DISTINCT user_id FROM posts WHERE [last 24 hours]）
3. 在应用程序级别或 sql 过程中将第一个查询的结果与第二个查询的结果映射，以找出帖子的名字、姓氏…… - 如果标识符（主键) 是某种哈希映射、数组或类似的索引/键。

?

我知道这是一个非常笼统的问题，但欢迎提供任何见解。谢谢！

Answer 1

任何一种方法都应该有效，但你找到了重要的部分：

在应用程序级别进行。

对我来说，我会提取重复数据，以便结果集中的每一行都包含我需要的所有数据。 SQL 在JOINs 和 set 操作上比几乎任何声明性语言都更有效。

如果您将数据保存在一起，您将更容易在需要时将其分解到下游，并且您只需调用一次数据库而不是两次。

随着重复数据的增长，这样做的好处会减少。如果只是几个领域，影响不大。如果是几十个冗余数据字段，性能差异会更加明显。

对于您的具体示例，最好在一个查询中完成所有操作。

如果您感到困扰，您可以在应用程序级别消除重复，但与进行多次数据库调用相比，为同一用户多次返回 2 或 3 个额外字段不会很重要。

Answer 2

最佳解决方案取决于每个表中的行数，以及每个用户每天的帖子数。

如果帖子相对较少，用户较多，那么一次选择帖子和用户即可。

如果用户很少，每个用户的帖子很多，最好使用第二个选项，分别选择它们。首先，您将选择过去 24 小时内的帖子，然后您将选择这样的作者：

SELECT users.id, first_name, last_name
FROM users
LEFT JOIN posts ON users.id = user_id
WHERE [posts in the last 24 h]

Answer 3

我认为最好的解决方案可能是选择用户，即最近 24 小时有消息，然后按用户 ID 选择消息。

1. step:

SELECT DISTINCT id, first_name, last_name
FROM users INNER JOIN
posts ON posts.user_id = users.id
WHERE [last 24 hours]

2. step:

SELECT *
FROM posts
WHERE user_id = @userId AND [last 24 hours]

这种方式会导致更多的数据库调用但更少的内存使用，因为您一次只为 1 个用户检索消息。