关于postgresql二次分组和多个表格进行外连接的问题

昨天写postgresql 代码的时候遇到一个棘手的问题，题目是要计算在各个城市使用次数最多的手机型号。此时只有一个表，叫做usage，里面存储了每一次用户使用服务时的手机型号以及使用的城市，即，usage里有phone_id和城市的zip_code。

此时要统计每个城市使用次数最多的手机型号，自然而然地想到先进行一次GROUP BY，于是写出如下代码：

SELECT u.zip_code,u.phone_id,COUNT(*) number
FROM usage u
GROUP BY u.zip_code,u.phone_id;

此时发现出来的结果是：

zip_code | phone_id | number
----------+----------+--------
888 | 22222 | 2
444 | 11111 | 2
444 | 44444 | 1
888 | 33333 | 3
444 | 99999 | 1
222 | 44444 | 4
888 | 11111 | 8
444 | 00000 | 1
444 | 22222 | 6
444 | 55555 | 2
(10 行记录)

这个时候发现只分一次组是不够的，这样只统计出了在某个城市使用某个手机型号的次数，但是题目要求要算出每个城市使用次数最多的手机型号，所以需要二次分组。于是，我尝试着写出了如下代码：

SELECT pc.zip_code,pc.phone_id,MAX(pc.number)
FROM (
	SELECT u.zip_code,COUNT(*) number
	FROM usage u
	GROUP BY u.zip_code,u.phone_id
)pc
GROUP BY pc.zip_code;

这个时候问题来了，报错了：

错误: 字段 "pc.phone_id" 必须出现在 GROUP BY 子句中或者在聚合函数中使用
第1行SELECT pc.zip_code,MAX(pc.number)

在GROUP BY中没出现的字段，无法被SELECT出来，那么我在GROUP BY中加上pc.phone_id字段？不行，这样一分组，就又变成了第一次分组的效果了！然后我开始想，能不能在第一次分组中就使用两次的聚合函数——MAX(COUNT(*))？试了一下，果然报错。突然脑洞一开就觉得sql应该改进这一部分的功能，这样很不合理，之所以不能使用两次聚合函数的本质是行数不匹配，但是我用两组信息分组，针对第一组信息的二次聚合函数就应该可以使用才对的！墙裂要求sql开发人员在下一版本中增加此功能！然后我又尝试在WHERE中使用pc.number = MAX(pc.number)，但是可惜的是，where中不允许出现聚合函数，想想也有道理，where是在GROUP BY之前执行的，如果能让你使用了，那岂不是乱套了？但是题目要求啊！怎么办！我就这样纠结了一个晚上，直到睡觉了也没想出来，不开心地睡下了。第二天早上起来接着想！想啊想，题目要求只能使用一个view就把一切信息全部都整出来，那么肯定是利用子查询，那么子查询可以出现的位置都有哪些地方呢？SELECT后面？不对！FROM后面？使用过了啊！WHERE里？对！WHERE里使用子查询！试试看！于是我先编写了一个子查询以供使用：

SELECT pc.zip_code,u.phone_id
)pc
GROUP BY pc.zip_code

放在命令行里验证了一下，正确！

zip_code | max
----------+-----
888 | 8
222 | 4
444 | 6
(3 行记录)

只是缺少phone_id字段而已，没关系，在外部补上！

正确代码如下：

第一部分，没有加外连接版本：


CREATE OR REPLACE VIEW view_most_used_phone_per_county AS
SELECT c.county_name county,p.phone_name phone
FROM (
	SELECT u.zip_code,u.phone_id
)pc JOIN county c ON pc.zip_code = c.zip_code
JOIN phone p ON pc.phone_id = p.phone_id
WHERE (pc.zip_code,pc.number) IN (
	SELECT pc.zip_code,MAX(pc.number)
	FROM (
		SELECT u.zip_code,COUNT(*) number
		FROM usage u
		GROUP BY u.zip_code,u.phone_id
	)pc
	GROUP BY pc.zip_code
)
ORDER BY county;



第二部分，加了外连接：

CREATE OR REPLACE VIEW view_most_used_phone_per_county AS
SELECT c.county_name county,u.phone_id
)pc RIGHT OUTER JOIN county c ON pc.zip_code = c.zip_code
LEFT OUTER JOIN phone p ON pc.phone_id = p.phone_id
WHERE (pc.zip_code,u.phone_id
	)pc
	GROUP BY pc.zip_code
) OR c.zip_code NOT IN (SELECT u.zip_code FROM usage u)
ORDER BY county;

一试，果然成功啦！！

在这里说一个小插曲，我中间把

WHERE (pc.zip_code,pc.number) IN (......)

写成了

WHERE (pc.zip_code,pc.number) = (......)

结果一直报错说：“作为一个表达式使用的子查询返回了多列”，然后我就一直想不明白，后来百度了一下，无意中瞄到一个回答提醒了是等号还是IN的问题，这才恍然大悟！

返回多行多列的时候，应该使用IN！记住！！！

好吧，我以为题目被我完美解决了，可是刚才看到了题目中的一句话：若在没有手机在该城市使用，也要显示出来，只不过在右边的phone那一栏显示为空。好了，这个就是外连接的问题了。之前的代码只显示zip_code和phone_id，但是题目是要求显示城市名称和手机型号，此时需要JOIN表格county和表格phone。一开始我是这么连接的：

SELECT c.county_name county,u.phone_id
)pc JOIN county c ON pc.zip_code = c.zip_code
JOIN phone p ON pc.phone_id = p.phone_id
............

这样的结果就是，只有有手机使用的城市才会被显示出来。于是我理所当然地改成如下代码，只在county和pc那里加了RIGHT OUTER JOIN：

SELECT c.county_name county,u.phone_id
)pc RIGHT OUTER JOIN county c ON pc.zip_code = c.zip_code
JOIN phone p ON pc.phone_id = p.phone_id
............

但是意外的是，这样出来的结果和之前一样，没有任何变化，咦，怎么回事，我明明外连接了呀？不应该全部出来吗？于是我删掉了phone表格，测试了一下。

SELECT c.county_name county
FROM (
	SELECT u.zip_code,u.phone_id
)pc RIGHT OUTER JOIN county c ON pc.zip_code = c.zip_code
........

这样测试下来是正确的，所有的城市名称都显示出来了。于是我又加上了phone，不用JOIN，而改用WHERE限定连接条件，结果还是一样的。挫败的我静静坐下来思考，到底是为什么！

然后我在phone的连接方式上，加上了 LEFT OUTER JOIN：

SELECT c.county_name county,u.phone_id
)pc RIGHT OUTER JOIN county c ON pc.zip_code = c.zip_code
LEFT OUTER JOIN phone p ON pc.phone_id = p.phone_id
.............

奇迹出现了！所有的城市名称都出来了！

这说明什么？在多次JOIN的时候，你以为第在第三个phone表格写的连接方式是和第一个pc表格相连接，所以没有第二个表格county什么事，但实际上，第三个表格是和所有的前两个都相连接了，你要让左边所有的都显示出来，就必须加上LEFT OUTER JOIN，否则就只有符合条件的行被显示出来。具体来讲就是只有符合pc.phone_id = p.phone_id的行被显示出来，就算你在前两个表格中想全部显示出county，可是第三个连接方式中明确指出，只有pc表格里有的phone_id所对应的zip_code才能被显示，也就是说，只有在pc表格里存在有对应手机型号的城市才能被显示出来，所以此时就算在前两个表格中加了RIGHT OUTER JOIN，在第三个连接方式没加LEFT OUTER JOIN，也是白搭！

多个表格进行外连接时，要注意这些约束条件都是相互之间的，而不是说只有邻近的两个表格才有约束力，要注意全部加上外连接符号，并且方向写对才可。

关于postgresql二次分组和多个表格进行外连接的问题

相关文章