从 GROUP BY 中选择单行且仅单行

Question

我有两个table：parcel和structure，它们之间是一对多的关系：structure.parcel_id指向parcel.id .

我想要 select 所有单个结构。我当前的解决方案有效，但非常奇怪：

SELECT 
max(column_1),
max(column_2),
max(column_3),
...
(twenty+ columns)

FROM structure
GROUP BY parcel_id
HAVING count(structure.id) = 1;

因为 structure.id 是不可空的并且上面的 HAVING 子句，根据定义，每个组只有一行。不幸的是 Postgres 没有意识到这一点，所以如果我说：

SELECT *    
FROM structure
GROUP BY parcel_id
HAVING count(structure.id) = 1;

然后我得到关于需要对列使用聚合函数的预期错误。我用任意 max() 函数解决了这个问题，但这让试图理解代码的其他人感到困惑，它迫使我明确列出所有列，这意味着我必须重新开始并编辑这段代码每当添加一列时。（不幸的是，这种情况在我的环境中经常发生。）

我有这个备用解决方案，它解决了我的大部分问题：

SELECT * FROM STRUCTURE
WHERE id IN (
    SELECT
        max(id) as id
    FROM structure
    GROUP by structure.parcel_id
    HAVING count(structure.id)  = 1
    );

但是，由于查询的频率和 table 的大小，这显然给我的查询增加了不必要的缓慢，我想避免这种情况。

This question 与我要问的非常相似，但它会抓取每个组的第一行，而不是单个组的第一行（也是唯一一行）。

有什么优雅的方法可以解决这个问题吗？

每个请求的示例数据：

structure table:

id | parcel_id | column_1 | column_2 | ...
------------------------------------------
1  |   536     |   ...    | ....     | ...
2  |   536     |   ...    | ....     | ...
3  |   537     |   ...    | ....     | ...
4  |   538     |   ...    | ....     | ...
5  |   538     |   ...    | ....     | ...
6  |   539     |   ...    | ....     | ...
7  |   540     |   ...    | ....     | ...
8  |   541     |   ...    | ....     | ...
9  |   541     |   ...    | ....     | ...

想要的结果：

id | parcel_id | column_1 | column_2 | ...
------------------------------------------
3  |   537     |   ...    | ....     | ...
6  |   539     |   ...    | ....     | ...
7  |   540     |   ...    | ....     | ...

请注意，537、539 和 540 是唯一不重复的 parcel_id。

两个 table 都有约 150 万行和约 25 列。

Answer 1

使用window函数如何？

SELECT s.*    
FROM (SELECT s.*, COUNT(*) OVER (PARTITION BY parcel_id) as cnt
      FROM structure s
     ) s
WHERE cnt = 1;

但是，更有效的方法可能是：

select s.*
from structure s
where not exists (select 1
                  from structure s2
                  where s2.parcel_id = s.parcel_id and s2.id<> s.id
                 );

特别是，这可以利用 structure(parcel_id, id) 上的索引。

Answer 2

这应该快得多：

SELECT s.*
FROM  (
   SELECT parcel_id
   FROM   structure
   GROUP  BY 1
   HAVING count(*) = 1
   ) s1
JOIN structure s USING (parcel_id);

您只需要 (parcel_id) 上的索引。

由于查询仅限于唯一的parcel_id，所以子查询中不需要涉及id。所以我们可以从 (parcel_id) 上的普通索引中得到一个 index-only scan - 并使用相同的索引进行连接。
连接应该比具有大子选择的 IN 快一点。（尽管它们在现代 Postgres 中大多导致相同的查询计划。）
count(*)比count(<expression>)快一点，因为只需要确定行的存在。

旁白：

和 NOT EXISTS 反半连接应该也很快。您只需要 (parcel_id, id).

上的多列索引

question you linked to 用于 SQL 服务器。这是Postgres的一个更相关的相关问题：

Select first row in each GROUP BY group?

从 GROUP BY 中选择单行且仅单行

Selecting single and only single rows from GROUP BY

sql

postgresql

aggregate

postgresql-performance