sum（）与count（）

Question

考虑在PostgreSQL中实现的投票系统，其中每个用户可以在“foo”上向上或向下投票。 有一个foo表，用于存储所有的“富信息”，以及votes存储表user_id ， foo_id ，并vote ，其中vote是+1或-1。

要获得每个foo的投票结果，以下查询将起作用：

SELECT sum(vote) FROM votes WHERE foo.foo_id = votes.foo_id;

但是，以下内容也可以正常工作：

(SELECT count(vote) FROM votes 
 WHERE foo.foo_id = votes.foo_id 
 AND votes.vote = 1)
- (SELECT count(vote) FROM votes 
   WHERE foo.foo_id = votes.foo_id 
   AND votes.vote = (-1))

我目前在votes.foo_id上有一个索引。

哪种方法更有效？ （换句话说，哪个会运行得更快？）我对PostgreSQL特定的答案和一般的SQL答案感兴趣。

编辑

很多答案都考虑到vote为空的情况。 我忘了提到投票列上有一个NOT NULL约束。

此外，许多人指出，第一个更容易阅读。 是的，这绝对是真的，如果一位同事写了第二篇，我会愤怒地爆发，除非有表演的必要性。 从来没有，问题仍然在于两者的表现。 （从技术上来说，如果第一个查询方法要慢，它不会是这种罪行写入第二个查询。）

Answer 1

当然，第一个例子更快，更简单，更容易阅读。 甚至在被水生生物拍打之前应该是显而易见的。 虽然sum()比count()略贵，但更重要的是，第二个例子需要两次扫描。

但是也有一个实际的区别 ： sum()可以返回NULL ，而count()则不会。 我引用了关于聚合函数的手册 ：

应该注意，除了count之外，这些函数在没有选择行时返回空值。 特别是，没有行的总和返回null，而不是像人们预期的那样为零，

由于您似乎在性能优化方面存在弱点，因此这里有一个您可能会喜欢的细节： count(*)略快于count(vote) 。 如果vote为NOT NULL则仅等效。 使用EXPLAIN ANALYZE测试性能。

仔细检查

这两个查询都是语法上的废话，独自站立。 只有从较大查询的SELECT列表中复制它们才有意义：

SELECT *, (SELECT sum(vote) FROM votes WHERE votes.foo_id = foo.foo_id)
FROM   foo;

这里重要的一点是相关子查询 - 如果您只在查询中阅读一小部分 votes ，这可能没问题。 我们会看到其他WHERE条件，您应该有匹配的索引。

在Postgres 9.3或更高版本中，替代的，更清洁，100％等效的解决方案将使用LEFT JOIN LATERAL ... ON true ：

SELECT *
FROM   foo f
LEFT   JOIN LATERAL (
   SELECT sum(vote) FROM votes WHERE foo_id = f.foo_id
   ) v ON true;

通常类似的表现。 细节：

• LATERAL和PostgreSQL中的子查询有什么区别？

但是 ，在从表格votes读取大部分或全部内容时 ，这将（更快）更快：

SELECT f.*, v.score
FROM   foo f
JOIN   (
   SELECT foo_id, sum(vote) AS score
   FROM   votes
   GROUP  BY 1
   ) v USING (foo_id);

首先在子查询中聚合值，然后加入到结果中。
关于USING ：

• SQL查询后删除重复列

Answer 2

第一个会更快。 您可以通过简单的方式尝试。

生成一些数据：

CREATE TABLE votes(foo_id integer, vote integer);
-- Insert 1000000 rows into 100 foos (1 to 100)
INSERT INTO votes SELECT round(random()*99)+1, CASE round(random()) WHEN 0 THEN -1 ELSE 1 END FROM generate_series(1, 1000000);
CREATE INDEX idx_votes_id ON votes (foo_id);

检查两个

EXPLAIN ANALYZE SELECT SUM(vote) FROM votes WHERE foo_id = 5;
EXPLAIN ANALYZE SELECT (SELECT COUNT(*) AS count FROM votes WHERE foo_id=5 AND vote=1) - (SELECT COUNT(*)*-1 AS count FROM votes WHERE foo_id=5 AND vote=-1);

但事实是，它们并不等同，为了确保第一个作为第二个，你需要对待null案例：

SELECT COALESCE(SUM(vote), 0) FROM votes WHERE foo_id = 5;

还有一件事。 如果您使用的是PostgreSQL 9.2，则可以使用其中的两列创建索引，这样您就有可能使用仅索引扫描：

CREATE INDEX idx_votes_id ON votes (foo_id, vote);

但！ 在某些情况下，这个索引可能是最差的，所以你应该尝试使用两个并运行EXPLAIN ANALYZE以查看哪个是最好的，或者甚至创建两个并检查哪个PostgreSQL使用最多（并排除另一个）。

Answer 3

我希望第一个查询能够更快地工作，因为这是一个单一的查询，并且它更具可读性（如果你不得不在一段时间之后再回到这个问题，那就很方便了）。

第二个查询包含两个查询。 您只能获得一个结果，就像它是一个查询一样。

也就是说，为了绝对确定哪些更适合你，我会用两个表填充大量的伪数据并检查查询执行时间。