SQL 查询 - 尽量避免结果集中的重复数据？

Question

这个问题我想了很久。我将尝试通过示例进行解释，但这是一个一般性问题。

假设您有两个表:

1. users，包含用户的名字、姓氏……
2. posts，包含用户撰写的帖子，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 [过去 24 小时]

现在，回到我的问题。由于一个用户很可能在过去 24 小时内创建了多个帖子，我们基本上是一遍又一遍地检索他/她的名字、姓氏……。换句话说，上述查询的结果集包含重复数据(但不是重复行)。

这样不是更好吗:

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. 在应用程序级别或在 sql 过程中将第一个查询的结果与第二个查询的结果进行映射，以找出帖子的名字、姓氏……——如果标识符(主键)，这很容易完成) 是某种 HashMap 、数组或类似的索引/键。

?

我知道这是一个非常笼统的问题，但欢迎任何见解。谢谢!

Answer 1

这两种方法都应该可行，但您捕获了重要的部分:

在应用层做。

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 JOIN 和集合操作方面比几乎任何声明性语言都更高效。

如果您将数据放在一起，您将更容易在需要时将其分解到下游，而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，这样做的好处会逐渐减少。如果只是几个领域，那影响不大。如果是几十个字段的冗余数据，性能差异会更加明显。

对于您的具体示例，最好在单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，但是与进行多次数据库调用相比，为同一用户多次返回 2 或 3 个额外的字段不会非常重要。