Postgres使用LEFT JOIN时不借助DISTINCT避免重复行的方案咨询

你的场景下重复问题的核心诱因是：Purchase Discount表单Purchase ID对应2条记录，LEFT JOIN后会将上游匹配的Purchase、Purchase Item、Item记录直接复制为2份，后续聚合时就会出现ID重复、计数翻倍的问题。无需DISTINCT的优化方案有两类，性能远高于全局去重：

方案1：多端表预聚合后再关联 #

在关联Purchase Discount之前，先对该表按关联键（通常是Purchase ID）做提前聚合，保证1个关联键仅对应1条记录后再执行JOIN操作，从根源上避免行复制：

• 若仅需要判断是否存在折扣：使用子查询提前按关联键去重

  LEFT JOIN (SELECT DISTINCT purchase_id FROM purchase_discount) pd 
  ON p.id = pd.purchase_id
  

• 若需要统计折扣汇总数据：提前按关联键做聚合计算

  LEFT JOIN (
    SELECT 
      purchase_id,
      SUM(discount_amount) AS total_discount,
      COUNT(*) AS discount_count
    FROM purchase_discount 
    GROUP BY purchase_id
  ) pd ON p.id = pd.purchase_id
  

方案2：调整聚合与关联的执行顺序 #

先完成不需要依赖Purchase Discount的核心业务聚合，再关联折扣表获取相关字段，此时就算折扣表有多条匹配，也不会影响已经聚合完成的销售统计结果：

-- 更优写法：先聚合核心数据再关联折扣，完全避免冗余行影响统计
WITH core_sales AS (
  SELECT
    i.id AS item_id,
    ARRAY_AGG(pi.id) AS purchase_items_ids,
    COUNT(pi.id) AS total_sold,
    p.id AS purchase_id
  FROM item i
  INNER JOIN purchase_item pi ON i.id = pi.item_id
  INNER JOIN purchase p ON pi.purchase_id = p.id
  GROUP BY i.id, p.id
)
SELECT 
  cs.item_id,
  cs.purchase_items_ids,
  cs.total_sold
FROM core_sales cs
LEFT JOIN purchase_discount pd ON cs.purchase_id = pd.purchase_id
GROUP BY cs.item_id, cs.purchase_items_ids, cs.total_sold;

以上两种方案均是在关联阶段就避免了冗余行的生成，不需要对最终大结果集做全局去重，数据量级越大，性能优势越突出。

内容的提问来源于stack exchange，提问作者Developer