SELECT DISTINCT sur plusieurs colonnes
-
26-09-2020 - |
Question
En supposant que nous avons un tableau avec quatre colonnes (a,b,c,d)
du même type de données.
Est-il possible de sélectionner toutes les valeurs distinctes dans les données dans les colonnes et les retourner sur une seule colonne ou dois-je créer une fonction pour réaliser cet objectif?
La solution
Mise à jour: Testé toutes les 5 requêtes dans SQLfiddle avec 100K lignes (et 2 cas distincts, l'un avec quelques (25) valeurs distinctes et un autre avec beaucoup (environ 25K valeurs).
Un très requête simple serait d'utiliser UNION DISTINCT
. Je pense qu'il serait plus efficace s'il existe un index sur chacune des quatre colonnes Il serait plus efficace avec un index séparé sur chacune des quatre colonnes, si Postgres avait mis en œuvre Lâche Index Scan d'optimisation, dont il n'a pas.Si cette requête ne sera pas efficace, car elle nécessite 4 scans de la table (et pas d'index est utilisé):
-- Query 1. (334 ms, 368ms)
SELECT a AS abcd FROM tablename
UNION -- means UNION DISTINCT
SELECT b FROM tablename
UNION
SELECT c FROM tablename
UNION
SELECT d FROM tablename ;
Une autre possibilité serait la première UNION ALL
et ensuite utiliser DISTINCT
.Ce sera également besoin de 4 analyses de la table (et pas de l'utilisation de l'index).Pas mal d'efficacité lorsque les valeurs sont peu nombreux, et de plus les valeurs devient le plus rapide dans mon (non étendu) test:
-- Query 2. (87 ms, 117 ms)
SELECT DISTINCT a AS abcd
FROM
( SELECT a FROM tablename
UNION ALL
SELECT b FROM tablename
UNION ALL
SELECT c FROM tablename
UNION ALL
SELECT d FROM tablename
) AS x ;
Les autres réponses ont fourni davantage d'options à l'aide de fonctions de tableau ou de la LATERAL
la syntaxe.Jack query (187 ms, 261 ms
) a de bonnes performances, mais AndriyM de la requête semble plus efficace (125 ms, 155 ms
).Deux d'entre eux un balayage séquentiel de la table et de ne pas utiliser un index.
En fait Jack résultats de la requête sont un peu mieux que ce qui est illustré ci-dessus (si on enlève le order by
) et peut encore être améliorée en supprimant le 4 interne distinct
et ne laissant que de l'externe.
Enfin, si - et seulement si - les valeurs distinctes de 4 colonnes sont relativement peu, vous pouvez utiliser le WITH RECURSIVE
hack/optimisation décrit ci-dessus Lâche Index Scan de la page et d'utiliser tous les 4 indices, avec très vite la suite!!!Testé avec la même 100K lignes et environ 25 valeurs distinctes réparties sur 4 colonnes (fonctionne en seulement 2 ms!) alors qu'avec 25K de valeurs distinctes (c'est le plus lent avec 368 ms:
-- Query 3. (2 ms, 368ms)
WITH RECURSIVE
da AS (
SELECT min(a) AS n FROM observations
UNION ALL
SELECT (SELECT min(a) FROM observations
WHERE a > s.n)
FROM da AS s WHERE s.n IS NOT NULL ),
db AS (
SELECT min(b) AS n FROM observations
UNION ALL
SELECT (SELECT min(b) FROM observations
WHERE b > s.n)
FROM db AS s WHERE s.n IS NOT NULL ),
dc AS (
SELECT min(c) AS n FROM observations
UNION ALL
SELECT (SELECT min(c) FROM observations
WHERE c > s.n)
FROM dc AS s WHERE s.n IS NOT NULL ),
dd AS (
SELECT min(d) AS n FROM observations
UNION ALL
SELECT (SELECT min(d) FROM observations
WHERE d > s.n)
FROM db AS s WHERE s.n IS NOT NULL )
SELECT n
FROM
( TABLE da UNION
TABLE db UNION
TABLE dc UNION
TABLE dd
) AS x
WHERE n IS NOT NULL ;
Pour résumer, lorsque les valeurs distinctes sont que quelques-uns, la requête récursive est le vainqueur absolu tout avec beaucoup de valeurs, ma 2ème, Jack (version améliorée ci-dessous) et AndriyM interrogations sont les meilleurs interprètes.
Des ajouts tardifs, une variation sur le 1er requête qui, en dépit de la opérations distinctes, effectue beaucoup mieux que l'original 1er et seulement légèrement pire que le 2ème:
-- Query 1b. (85 ms, 149 ms)
SELECT DISTINCT a AS n FROM observations
UNION
SELECT DISTINCT b FROM observations
UNION
SELECT DISTINCT c FROM observations
UNION
SELECT DISTINCT d FROM observations ;
et Jack s'est améliorée:
-- Query 4b. (104 ms, 128 ms)
select distinct unnest( array_agg(a)||
array_agg(b)||
array_agg(c)||
array_agg(d) )
from t ;
Autres conseils
Vous pouvez utiliser LATÉRALE, comme dans cette requête:
SELECT DISTINCT
x.n
FROM
atable
CROSS JOIN LATERAL (
VALUES (a), (b), (c), (d)
) AS x (n)
;
Le LATÉRAL mot-clé permet le côté droit de la rejoindre pour faire référence à des objets à partir de la gauche.Dans ce cas, le côté droit est une des VALEURS constructeur qui construit une seule colonne sous-ensemble de la colonne des valeurs que vous souhaitez mettre dans une seule colonne.La requête principale simplement les références de la nouvelle colonne, également une demande DISTINCTE à elle.
Pour être clair, je ne l'utiliserais union
comme ypercube suggère, mais il est également possible avec les tableaux:
select distinct unnest( array_agg(distinct a)|| array_agg(distinct b)|| array_agg(distinct c)|| array_agg(distinct d) ) from t order by 1;
| unnest | | :----- | | 0 | | 1 | | 2 | | 3 | | 5 | | 6 | | 8 | | 9 |
dbfiddle ici
Plus court
SELECT DISTINCT n FROM observations, unnest(ARRAY[a,b,c,d]) n;
Moins détaillé de la version de Andriy l'idée de est seulement un peu plus long, mais plus élégant et plus rapide.
Pour de nombreux distinct / quelques les valeurs en double:
SELECT DISTINCT n FROM observations, LATERAL (VALUES (a),(b),(c),(d)) t(n);
Plus rapide
Avec un index sur chaque colonne!
Pour quelques distinct / de nombreux les valeurs en double:
WITH RECURSIVE
ta AS (
(SELECT a FROM observations ORDER BY a LIMIT 1) -- parentheses required!
UNION ALL
SELECT o.a FROM ta t
, LATERAL (SELECT a FROM observations WHERE a > t.a ORDER BY a LIMIT 1) o
)
, tb AS (
(SELECT b FROM observations ORDER BY b LIMIT 1)
UNION ALL
SELECT o.b FROM tb t
, LATERAL (SELECT b FROM observations WHERE b > t.b ORDER BY b LIMIT 1) o
)
, tc AS (
(SELECT c FROM observations ORDER BY c LIMIT 1)
UNION ALL
SELECT o.c FROM tc t
, LATERAL (SELECT c FROM observations WHERE c > t.c ORDER BY c LIMIT 1) o
)
, td AS (
(SELECT d FROM observations ORDER BY d LIMIT 1)
UNION ALL
SELECT o.d FROM td t
, LATERAL (SELECT d FROM observations WHERE d > t.d ORDER BY d LIMIT 1) o
)
SELECT a
FROM (
TABLE ta
UNION TABLE tb
UNION TABLE tc
UNION TABLE td
) sub;
C'est un autre rCTE variante, semblable à celui @ypercube déjà posté, mais j'utilise ORDER BY 1 LIMIT 1
au lieu de min(a)
qui est généralement un peu plus rapide.J'ai aussi besoin d'aucun prédicat supplémentaire pour exclure les valeurs NULL.
Et LATERAL
au lieu d'une sous-requête en corrélation, parce que c'est plus propre (pas nécessairement plus rapide).
Explication détaillée dans ma réponse à cette technique:
J'ai mis à jour ypercube de l' SQL Violon et ajouté de la mine à la liste de lecture.
Vous pouvez, mais comme je l'ai écrit et testé la fonction je me sentais mal.C'est une des ressources les déchets.
Juste s'il vous plaît utiliser un syndicat et plus.Seul avantage (si elle est), un seul balayage de la table principale.
Dans sql violon vous avez besoin de changer le séparateur de $ pour quelque chose d'autre, comme /
CREATE TABLE observations (
id serial
, a int not null
, b int not null
, c int not null
, d int not null
, created_at timestamp
, foo text
);
INSERT INTO observations (a, b, c, d, created_at, foo)
SELECT (random() * 20)::int AS a -- few values for a,b,c,d
, (15 + random() * 10)::int
, (10 + random() * 10)::int
, ( 5 + random() * 20)::int
, '2014-01-01 0:0'::timestamp
+ interval '1s' * g AS created_at -- ascending (probably like in real life)
, 'aöguihaophgaduigha' || g AS foo -- random ballast
FROM generate_series (1, 10) g; -- 10k rows
CREATE INDEX observations_a_idx ON observations (a);
CREATE INDEX observations_b_idx ON observations (b);
CREATE INDEX observations_c_idx ON observations (c);
CREATE INDEX observations_d_idx ON observations (d);
CREATE OR REPLACE FUNCTION fn_readuniqu()
RETURNS SETOF text AS $$
DECLARE
a_array text[];
b_array text[];
c_array text[];
d_array text[];
r text;
BEGIN
SELECT INTO a_array, b_array, c_array, d_array array_agg(a), array_agg(b), array_agg(c), array_agg(d)
FROM observations;
FOR r IN
SELECT DISTINCT x
FROM
(
SELECT unnest(a_array) AS x
UNION
SELECT unnest(b_array) AS x
UNION
SELECT unnest(c_array) AS x
UNION
SELECT unnest(d_array) AS x
) AS a
LOOP
RETURN NEXT r;
END LOOP;
END;
$$
LANGUAGE plpgsql STABLE
COST 100
ROWS 1000;
SELECT * FROM fn_readuniqu();