Django ORM多对多标签过滤后Sum/Count注解结果重复问题求解

Django ORM 层面实现 #

方案1：使用Exists子查询做标签过滤（最优） #

该方案完全避免Bill表和Tag表的直接关联，不会产生重复的Bill行，后续聚合结果天然正确：

from django.db.models import Exists, OuterRef, Count, Sum

# 构造条件：当前Bill是否有匹配用户标签的关联Tag
has_matched_tag = Exists(
    Tag.objects.filter(
        bill=OuterRef('pk'),
        id__in=user_tags.values_list('id', flat=True)
    )
)

# 主查询，无重复行问题
queryset = Bill.objects.filter(has_matched_tag).annotate(
    row_count=Count("rows"),
    row_sum=Sum("rows__quantity")
)

方案2：先对过滤后的Bill去重，再用子查询做聚合 #

如果必须使用tags__in的过滤方式，可以先对Bill结果去重，再通过子查询单独计算聚合值，避免关联影响：

from django.db.models import Subquery, OuterRef, Count, Sum

# 构造行数统计子查询
row_count_sub = BillRow.objects.filter(
    bill=OuterRef('pk')
).values('bill').annotate(cnt=Count('id')).values('cnt')

# 构造quantity求和子查询
row_sum_sub = BillRow.objects.filter(
    bill=OuterRef('pk')
).values('bill').annotate(s=Sum('quantity')).values('s')

# 主查询先过滤+去重Bill，再注解聚合结果
queryset = Bill.objects.filter(tags__in=user_tags).distinct().annotate(
    row_count=Subquery(row_count_sub),
    row_sum=Subquery(row_sum_sub)
)

注意：Sum(xxx, distinct=True)不适用该场景，它仅对求和的字段值去重，而非对重复的关联行去重，和需求不符。

SQL 层面的最优思路 #

问题根源是多对多字段过滤时，主表和多对多中间表做内连接，单条主表行匹配到多个Tag时会生成多条重复主表记录，聚合操作在GROUP BY之前执行导致计算重复。通用解决思路有3种，按性能优先级排序：

1. 用EXISTS子查询做过滤，不直接关联多对多表，主表行全程唯一，后续直接关联从表聚合即可，性能损耗最小。
2. 先对多对多过滤后的结果按主表ID做DISTINCT/GROUP BY去重，得到唯一主表ID集合后再关联从表做聚合。
3. 聚合逻辑全部改用关联子查询实现，每个主表行的聚合值单独计算，不受外层连接的重复行影响。

内容的提问来源于stack exchange，提问作者OgarOgarovic