基于两个表的SQL最高记录关系

Question

我要存储三个主要项目：文章，实体和关键字。 这产生了5个表：

article { id }
entity {id, name}
article_entity {id, article_id, entity_id}
keyword {id, name}
article_keyword {id, article_id, keyword_id}

我想获取所有包含TOP X关键字+实体的文章。 我可以通过entity_id/keyword_id通过一个简单的组来获取排名靠前的X个关键字或实体。

SELECT [entity|keyword]_id, count(*) as num FROM article_entity
GROUP BY entity_id ORDER BY num DESC LIMIT 10

如何获得与顶级实体和关键字相关的所有文章？

这就是我的想象，但是我知道它是行不通的，因为逐个实体限制了article_id的返回值。

SELECT * FROM article
WHERE EXISTS (
    [... where article is mentioned in top X entities.. ]
) AND EXISTS (
    [... where article is mentioned in top X keywords.. ]
);

Answer 1

如果我理解正确，那么查询的目的是找到与前10个实体之一和前10个关键字之一都相关的文章。 如果是这种情况，则以下查询应这样做，即要求返回的文章在前10个实体的集合和前10个关键字的集合中都具有匹配项。

请试一试。

SELECT a.id 
FROM article a
INNER JOIN article_entity  ae ON a.id = ae.article_id
INNER JOIN article_keyword ak ON a.id = ak.article_id
INNER JOIN (
  SELECT entity_id, COUNT(article_id) AS article_entity_count
  FROM article_entity
  GROUP BY entity_id 
  ORDER BY article_entity_count DESC LIMIT 10
) top_ae ON ae.entity_id = top_ae.entity_id
INNER JOIN (
  SELECT keyword_id, COUNT(article_id) AS article_keyword_count 
  FROM article_keyword
  GROUP BY keyword_id 
  ORDER BY article_keyword_count DESC LIMIT 10
) top_ak ON ak.keyword_id = top_ak.keyword_id
GROUP BY a.id;

在顶级实体/关键字的两个子查询中使用简单的limit 10的不利之处在于它将无法处理联系，因此，如果第11个关键字与第10个关键字一样受欢迎，那么仍然不会被选择。 尽管可以通过使用排名函数来解决此问题，但是afaik MySQL没有内置任何功能（例如Oracle或MSSQL中的RANK（）窗口函数）。

我设置了一个示例SQL Fiddle （但由于我很懒，所以使用了更少的数据点和limit 2 ）。

Answer 2

不知道要使用的数据量，我首先建议您在商品表上有两个存储列，分别用于实体和关键字的计数。 然后通过添加/删除触发器，更新相应的计数器列。 这样，您不必每次都需要执行刻录查询，尤其是在基于Web的界面中。 然后，您只需从按E + K计数降序排列的商品表中进行选择即可，而不用对子表进行常量子查询。

就是说，其他建议与我发布的建议有些相似，但它们似乎都限制每组10条记录。 让我们把这种情况付诸实践。 假设您有1-20条文章，其中包含10、9和8个实体以及1-2个关键字。 那么文章21-50具有相反的... 10、9、8个关键字和1-2个实体。 现在，您拥有的文章51-58具有7个实体和7个关键字，总共14个组合点。 由于实体只会返回符合条件的1-20条记录和关键字记录21-50，因此这些查询都无法捕获到该查询。 第51-58条将排在最后，即使总数为14，也不会被考虑。

为了解决这个问题，每个子查询都是一个完整的查询，专门针对商品ID及其数量。 按article_ID进行简单排序，这是联接到主商品表的基础。

现在，如果有的话，coalesce（）将获得计数，否则返回0并将两个值相加。 由此，在应用限制时，结果将首先以最高计数（因此获得场景样本文章51-58和其他一些）进行排序。

SELECT
      a.id,
      coalesce( JustE.ECount, 0 ) ECount,
      coalesce( JustK.KCount, 0 ) KCount,
      coalesce( JustE.ECount, 0 ) + coalesce( JustK.KCount, 0 ) TotalCnt
   from
      article a
         LEFT JOIN ( select article_id, COUNT(*) as ECount
                        from article_entity
                        group by article_id
                        order by article_id ) JustE
            on a.id = JustE.article_id
         LEFT JOIN ( select article_id, COUNT(*) as KCount
                        from article_keyword
                        group by article_id
                        order by article_id ) JustK
            on a.id = JustK.article_id
   order by
      coalesce( JustE.ECount, 0 ) + coalesce( JustK.KCount, 0 ) DESC
   limit 10

Answer 3

我把这个几个步骤

tl; dr这显示了前（4）个关键字和实体中的所有文章：

这是一个小提琴

select
  distinct article_id
from
(
select
  article_id
from
  article_entity ae
  inner join 
    (select
      entity_id, count(*)
    from
      article_entity
    group by
      entity_id
    order by 
      count(*) desc
    limit 4) top_entities on ae.entity_id = top_entities.entity_id
union all
select
  article_id
from
  article_keyword ak
  inner join 
    (select
      keyword_id, count(*)
    from
      article_keyword
    group by
      keyword_id
    order by 
      count(*) desc
    limit 4) top_keywords on ak.keyword_id = top_keywords.keyword_id) as articles

说明：

这始于寻找前X个实体的努力。 （4个似乎对我想在小提琴中建立的协会数量起作用）

我不想在这里选择文章，因为它歪曲了分组依据，您只想专注于顶级实体。 小提琴

select
  entity_id, count(*)
from
  article_entity
group by
  entity_id
order by 
  count(*) desc
limit 4

然后，我从这些顶级实体中选择了所有文章。 小提琴

select
  *
from
  article_entity ae
  inner join 
    (select
      entity_id, count(*)
    from
      article_entity
    group by
      entity_id
    order by 
      count(*) desc
    limit 4) top_entities on ae.entity_id = top_entities.entity_id

显然，关键字需要发生相同的逻辑。 该查询然后union编在一起（ 小提琴 ）和不同的文章ID是从工会拉动。

这将为您提供与前（x）个实体和关键字相关的所有文章。

Answer 4

这将获得前10个关键字文章，同时也是前10个实体。 您可能不会获得10条记录，因为一篇文章可能仅满足以下条件之一（最高实体，但不符合最高关键字，或者最高关键词，但不符合最高实体）

select *
from article a
inner join
                (select count(*),ae.article_id
                 from article_entity ae
                group by ae.article_id
                order by count(*) Desc limit 10) e
on a.id = e.article_id
inner join
                 (select count(*),ak.article_id
                from article_keyword ak
                group by ak.article_id
                order by count(*) Desc limit 10) k
on a.id = k.article_id