Eine kleine, harte Nuss

[squirrelcgn]

Hallo zusammen,

mit diesem query...

SELECT id, article_id, tstamp
FROM contribution
ORDER BY article_id, tstamp;

...erzeuge ich diese tabelle...



...jetzt möchte ich ein alternatives query schreiben, welches mir immer "nur" die ROT MARKIERTEN zeilen liefert (also immer die "erste" zeile einer article_id). Ich sitze schon seit langer Zeit da dran und komme einfach nicht auf eine korrekte und performante Lösung. Meine "beste Version" (die aber nicht läuft habe ich mittels eines modifizierten LIMIT gemacht).

Wäre GENIAL, wenn mir jemand einen Tritt/Tipp geben könnte! ;-)

Danke und Grüße,
Chris

[AmicaNoctis]

Hallo,

select c1.id, c1.article_id, c1.tstamp
from contribution as c1
left join contribution as c2 on c2.article_id = c1.article_id and c2.tstamp < c1.tstamp
where c2.id is null
order by article_id

Gruß,

Amica

[squirrelcgn]

Hey Amica,

vielen Dank!! Aber kann es sein, dass man aus dem "c1.id" in der WHERE-clause ein "c2.id" machen muss? (denn sonst ist das result set leer)

SELECT c1.id, c1.article_id, c1.tstamp
FROM contribution AS c1
LEFT JOIN contribution AS c2 ON c2.article_id = c1.article_id AND c2.tstamp < c1.tstamp
WHERE c2.id IS NULL
ORDER BY article_id

Danke und LG,
Chris

[AmicaNoctis]

kann es sein, dass man aus dem "c1.id" in der WHERE-clause ein "c2.id" machen muss?

Richtig erkannt, war nur ein Tippfehler.

[squirrelcgn]

Uaaaaaaa, irgendetwas liegt aber noch heftigst im argen:

- Es gibt insgesamt 20170 articles (article_id).
- Nach dem "LEFT JOIN" query habe ich aber 20242 zeilen....... :-(

Direkt gefragt: gibt es noch eine Lösung OHNE LEFT JOIN? (und ohne jegliche JOINs)

Danke und Grüße,
Chris

[AmicaNoctis]

Kann es sein, dass du da 72 contributions ohne article ID hast? Such mal nach NULL-Werten in dieser Spalte.

Edit: Es gäbe eine Lösung ohne Joins, aber das wäre dann eine korrelierte Unterabfrage und die ist höchst unperformant. Dieser negative self left join ist da schon die sinnvollste Lösung. Wenn dir allerdings die contribution ID egal wäre, könntest du auch mit group by und min(tstamp) arbeiten.

[squirrelcgn]

Leider nein! ;-) (mein DB-modell verbietet dies bereits...) Danke trotzdem.

Werde morgen weitergrübeln.

[AmicaNoctis]

Dann sind es die tstamp-Werte, die unerwarteter Weise null sind. In diesem Falle hättest du aber ohnehin spezifizieren müssen, ob solche tstamps als die kleinsten oder die größten betrachtet werden sollen, wenn man danach sortiert.

[DSitC]

Hier noch ein alternativer SQL, wobei ich den nur der Vollständigkeit wegen hier aufnehme, die Variante von Amica sollte eigentlich performanter sein.

SELECT
  `contribution`.*
FROM
  `contribution`
  LEFT JOIN (
    SELECT
      `contribution`.`article_id`  AS `aid`,
      MAX(`contribution`.`tstamp`) AS `newest`
    FROM
      `contribution`
    GROUP BY
      `contribution`.`article_id`
  ) AS `contribution_check` ON (
    `contribution_check`.`aid` = `contribution`.`article_id`
  )
WHERE
  `contribution`.`tstamp` = `contribution_check`.`newest`

Erklärung: Das ist jetzt mit einer Subquery die über LEFT JOIN reingeholt wird und positiv prüft. Das ganze allerdings im FROM-Teil damit er die Subquery nicht für jeden Datensatz ausführt...

[squirrelcgn]

Hallo zusammen,

erst einmal vielen, herzlichen Dank für eure hervorragenden Beiträge!

@Amica: "leider" hat nur ein einziger tstamp den Wert 0000-00-00 00:00:00
@DSitC: danke, wieder was gelernt

Wie sehr ich die Daten auch "reinige" und Prüfsummen bilde und damit Checks durchführe, ich habe irgendwo einen SEMANTISCHEN Fehler in meinen Daten. Die Tabelle contribution ist nur eine von vielen, die ich während eines Workflows erzeuge.

Fange jetzt nochmal von vorne an und werde NOCH sorgfältiger vorgehen, als ich es ohnehin schon immer tue! ;-)

LG und nochmals danke,
Chris

[squirrelcgn]

Hallo zusammen,

wie ihr seht, lässt mich das Problem nicht mehr los! ;-) Habe jetzt alles nochmal neu aufgebaut und sehe nun, wo das Problem liegt! :-)

Jetzt würde es direkt zur Lösung führen, wenn mir jemand folgende Frage beantworten könnte:

Wie kann ich das von Amica erarbeitete Query so modifizieren, dass ich nicht nur nach 1 Spalte "suche"/"gruppiere", sondern nach 2 Spalten: also article_id UND group_id?
Hintergrund: die gleiche article ID kommt in verschiedenen groups vor, ABER das "ignoriere" ich natürlich, wenn ich die group ID nicht berücksichtige... (peinlich)

Hier nochmal das Query:

SELECT c1.id, c1.article_id, c1.tstamp
FROM contribution AS c1
LEFT JOIN contribution AS c2 ON c2.article_id = c1.article_id AND c2.tstamp < c1.tstamp
WHERE c2.id IS NULL
ORDER BY article_id;

Vielen Dank und viele Grüße,
Chris

[DSitC]

Das müsste dann so aussehen, denke ich mal...

SELECT
  c1.id,
  c1.group_id,
  c1.article_id,
  c1.tstamp
FROM
  contribution AS c1
  LEFT JOIN contribution AS c2 ON (
    c2.group_id = c1.group_id AND
    c2.article_id = c1.article_id AND
    c2.tstamp < c1.tstamp
  )
WHERE
  c2.id IS NULL
ORDER BY
  article_id;

[squirrelcgn]

Vielen Dank, DSitC!!

Das genau löst es (hätte ich auch gut mal selbst drauf kommen können - war wohl etwas spät gestern...).

LG,
Chris

[DSitC]

Vielen Dank, DSitC!!

Das genau löst es (hätte ich auch gut mal selbst drauf kommen können - war wohl etwas spät gestern...).

LG,
Chris

Naja, das SQL stammt ja von Amica, ich hab nur eine Zeile eigefügt... ;-)

[squirrelcgn]

Okay, ich habe natürlich auch Amicas Beitrag positiv bewertet (mit dem Bewertungstool)... aber das DANKE von vorhin gilt natürlich auch euch BEIDEN!

@ Amica und DSitC

;-)