按重复属性分组

基本上我有一个表messages ， user_id字段标识创建消息的用户。

当我在两个用户之间显示一个对话（一组消息）时，我希望能够通过user_id对消息进行分组，但这是一种棘手的方式：

假设有一些消息（按created_at desc排序）：

  id: 1, user_id: 1 id: 2, user_id: 1 id: 3, user_id: 2 id: 4, user_id: 2 id: 5, user_id: 1 

我希望按以下顺序获得3个消息组： [1,2], [3,4], [5]

它应该按* user_id *分组，直到它看到另一个，然后按那个分组。

我正在使用PostgreSQL，并乐于使用特定的东西，无论什么能带来最佳性能。

Answer 1

适当的SQL

@Igor提供了一个很好的带有窗口函数的纯SQL技术。
然而：

我希望按以下顺序获得3个消息组：[1,2]，[3,4]，[5]

要获取请求的订单，请添加ORDER BY min(id) ：

 SELECT array_agg(id) AS ids FROM ( SELECT id ,user_id ,row_number() OVER (ORDER BY id) - row_number() OVER (PARTITION BY user_id ORDER BY id) AS grp FROM messages ORDER BY id) t -- for ordered arrays in result GROUP BY grp, user_id ORDER BY min(id); 

SQL小提琴。

这一补充几乎无法得到另一个答案。 更重要的问题是：

使用PL / pgSQL更快

我正在使用PostgreSQL，并乐于使用特定的东西，无论什么能带来最佳性能 。

纯SQL既漂亮又shiny，但程序服务器端function对于此任务来说要快得多。 虽然在程序上处理行通常较慢 ，但plpgsql赢得此竞争的重要时间，因为它可以使用单个表扫描和单个 ORDER BY操作：

 CREATE OR REPLACE FUNCTION f_msg_groups() RETURNS TABLE (ids int[]) AS $func$ DECLARE _id int; _uid int; _id0 int; -- id of last row _uid0 int; -- user_id of last row BEGIN FOR _id, _uid IN SELECT id, user_id FROM messages ORDER BY id LOOP IF _uid <> _uid0 THEN RETURN QUERY VALUES (ids); -- output row (never happens after 1 row) ids := ARRAY[_id]; -- start new array ELSE ids := ids || _id; -- add to array END IF; _id0 := _id; _uid0 := _uid; -- remember last row END LOOP; RETURN QUERY VALUES (ids); -- output last iteration END $func$ LANGUAGE plpgsql; 

呼叫：

 SELECT * FROM f_msg_groups(); 

基准和链接

我在一个类似60k行的真实生活表上运行了EXPLAIN ANALYZE的快速测试（执行几次，选择最快结果以排除兑现效果）：

SQL：
总运行时间：1009.549毫秒
PL / pgSQL的：
总运行时间： 336.971 ms

还要考虑这些密切相关的问题：

• GROUP BY和聚合顺序数值
• GROUP BY由间隙分隔的连续日期
• 连续重复/重复的有序计数

Answer 2

尝试这样的事情：

 SELECT user_id, array_agg(id) FROM ( SELECT id, user_id, row_number() OVER (ORDER BY created_at)- row_number() OVER (PARTITION BY user_id ORDER BY created_at) conv_id FROM table1 ) t GROUP BY user_id, conv_id; 

表达方式：

 row_number() OVER (ORDER BY created_at)- row_number() OVER (PARTITION BY user_id ORDER BY created_at) conv_id 

将为每个消息组提供一个特殊的id（对于其他user_id ，可以重复此conv_id ，但user_id, conv_id将为您提供所有不同的消息组）

我的SQLFiddle与示例。

详细信息： row_number() ， OVER (PARTITION BY ... ORDER BY ...)

Answer 3

GROUP BY子句将折叠2条记录中的响应 – 一条带有user_id 1，另一条带有user_id 2，无论ORDER BY子句如何，所以我建议你只发送ORDER BY created_at

 prev_id = -1 messages.each do |m| if ! m.user_id == prev_id do prev_id = m.user_id #do whatever you want with a new message group end end 

Answer 4

你可以使用chunk ：

 Message = Struct.new :id, :user_id messages = [] messages << Message.new(1, 1) messages << Message.new(2, 1) messages << Message.new(3, 2) messages << Message.new(4, 2) messages << Message.new(5, 1) messages.chunk(&:user_id).each do |user_id, records| p "#{user_id} - #{records.inspect}" end 

输出：

 "1 - [#, #]" "2 - [#, #]" "1 - [#]"