PostgreSQL多关联表聚合时重复结果问题分析及无DISTINCT优化方案

这是PostgreSQL多表关联聚合时非常典型的问题，我来帮你逐个拆解：

1. 导致重复结果的原因是什么？ #

核心问题是多对多关联产生的笛卡尔积。

当你同时对sehset（标签表，与soc_ent是一对多）和se_likes（点赞表，与soc_ent也是一对多）做LEFT JOIN时，两个表的记录会互相组合。举个例子：

• 目标帖子有2个标签、2个点赞
• JOIN后会生成 2个标签 × 2个点赞 = 4条重复记录

此时用jsonb_agg聚合标签时，每个标签会被重复添加2次；count统计点赞时，也会把这4条记录全部算进去，最终得到的标签数组是重复的，点赞数也被放大了。

2. 使用DISTINCT是否为正确的解决方案？ #

是，但属于临时救急的方案，而非最优解。

DISTINCT确实能让聚合函数只处理唯一值，得到正确的结果，但它的代价是：在聚合前需要对数据去重，这会增加数据库的计算开销——尤其是当数据量很大、重复记录很多时，去重操作会占用大量CPU和内存，拖慢查询速度。

3. 有没有不使用DISTINCT关键字就能得到相同结果的方法？ #

当然有，提前在子查询中完成聚合，避免笛卡尔积的产生是更优的思路。具体有两种常用方式：

方式一：预聚合子查询JOIN #

先分别对标签表和点赞表按帖子ID聚合，得到每个帖子唯一的标签数组和点赞数，再和主表关联：

SELECT 
    fp.fp_id post_id,
    COALESCE(tags.hashtag, '[]'::jsonb) hashtag,
    COALESCE(likes.likes, 0) likes
FROM soc_ent social_entity
JOIN fp ON fp.fp_id = social_entity.se_id
LEFT JOIN (
    -- 预聚合每个帖子的标签数组
    SELECT sehset_seid, jsonb_agg(sehset_tid) hashtag
    FROM sehset
    GROUP BY sehset_seid
) tags ON tags.sehset_seid = social_entity.se_id
LEFT JOIN (
    -- 预聚合每个帖子的点赞数
    SELECT se_likes_seid, count(se_likes_ca) likes
    FROM se_likes
    GROUP BY se_likes_seid
) likes ON likes.se_likes_seid = social_entity.se_id;

方式二：使用LATERAL JOIN #

LATERAL JOIN可以让子查询引用主表的字段，针对每个帖子单独聚合标签和点赞，同样避免笛卡尔积：

SELECT 
    fp.fp_id post_id,
    COALESCE(tags.hashtag, '[]'::jsonb) hashtag,
    COALESCE(likes.likes, 0) likes
FROM soc_ent social_entity
JOIN fp ON fp.fp_id = social_entity.se_id
LEFT JOIN LATERAL (
    SELECT jsonb_agg(sehset_tid) hashtag
    FROM sehset
    WHERE sehset_seid = social_entity.se_id
) tags ON true
LEFT JOIN LATERAL (
    SELECT count(se_likes_ca) likes
    FROM se_likes
    WHERE se_likes_seid = social_entity.se_id
) likes ON true;

这两种方式的优势在于：先对小范围数据（单个帖子的标签/点赞）聚合，再和主表关联，不会产生大量重复记录，性能比用DISTINCT的方案好很多，数据量越大优势越明显。

内容的提问来源于stack exchange，提问作者Just a coder