postgresql - SQL : find overlapping cell values across the same column of many tables

Question

我正在使用 postgresql，总的来说，我对 SQL 有点新手。

我正在尝试编写一个查询来检查主列表和多个表之间的值是否重叠。有问题的值是用户名和多个表(总共 30 个)，每个表代表不同游戏的事件数据。

每个游戏都有自己的表格，其中的列标题相同。 30 个具有相同列的表，类似这样...:

表名:game1...game30

   USERNAME                                 EVENT_TIMESTAMP       OTHER_FELIDS
   2592761928AF756E45891527ED49A7A9         2016-02-01 02:38:05   ...
   79460FE440ADB429F542D2F08A763D50         2016-02-01 02:38:35   ...
   3945B26DD9F6FD2D49574856ECF9FA7D         2016-02-01 02:44:12   ...
   A597AE2CF6E15497EE7AC2A02CEEB32E         2016-02-01 02:46:57   ...
   65DE308FC39980CCD37DBDE8A432F221         2016-02-01 02:46:57   ...
   ...

我有一个指定的 user_ids 列表，我用它来创建一个“关键表”游戏的事件数据。 我的 key 表只有两列，看起来像这样:

表名:username_key

EMAIL          HASHED_EMAIL
asd0@asd.com   79460FE440ADB429F542D2F08A763D50
asd1@asd.com   0C450FAC330D69A315604CDE61C7A65E
asd2@asd.com   F2D7714CBA1048A940231087549F1D95
bob@asd.com    FE793A075E0633441B5EE5535FAAEDD2
asd7@asd.com   47FAFD07C174B81BADD28AD9BE64E26B
...

(注意:游戏表和 key 表中的用户名都是哈希加密的电子邮件，因此名称为“HASHED_EMAILS”)

我的查询目前看起来像这样:

create temp table players as select ky.hashed_email from username_key as ky 
    inner join game1 g1 on ky.hashed_email = g1.username 
    inner join game2 g2 on ky.hashed_email = g2.username
    inner join game3 g3 on ky.hashed_email = g3.username
    inner join game4 g4 on ky.hashed_email = g4.username
    ...
    inner join game30 g30 on ky.hashed_email = g30.username

当我尝试运行此查询时，它会挂起很长时间...几个小时并最终超时。

我希望返回出现在一个或多个游戏事件表中的用户列表，或者返回一个空列表(这会告诉我关键表列表中没有人玩过游戏)。

我的查询是否在正确的轨道上？ 有没有比我现在做的更快/更有效的方法来完成这个任务？ 作为 postgresql 专家，您将如何解决这个问题(在许多不同的表中查找用户名的特定出现)？

Answer 1

如果您关心一个用户在任何一个表中，而不是多个表中，您有以下选择:

• IN 与 UNION:

  SELECT * FROM players WHERE hashed_email IN (
      SELECT username FROM game1
      UNION SELECT username FROM game2
      UNION SELECT username FROM game3
      ...
  )
  

• IN 与 OR:

  SELECT * FROM player WHERE hashed_email IN (SELECT username FROM game1)
      OR hashed_email IN (SELECT username FROM game2)
      OR hashed_email IN (SELECT username FROM game3)
      ...
  

• 存在:

  SELECT * FROM player WHERE EXISTS (SELECT 1 FROM game1 WHERE username=hashed_email)
      OR EXISTS (SELECT 1 FROM game2 WHERE username=hashed_email)
      OR EXISTS (SELECT 1 FROM game3 WHERE username=hashed_email)
      ...
  

可能还有很多其他选择。您可能应该使用 EXPLAIN 或 EXPLAIN ANALYZE 来找出哪个更有效，但如果所有这三个都产生基本相似的查询计划，我也不会感到惊讶。

请注意，在每个 game* 表中为 username 建立适当的索引当然会有很大帮助。