解决所有 MySQL 分类排名问题，实现分组后随机取 n 条数据2021-04-12 | 编程技术 | 3029 次阅读 | 等你评论 | 4 次点赞 | 繁体

对数据库中的记录依据某个字段进行排序是一种常见需求，虽然简单的 Order by 可以胜任，但如果想要输出具体的排名却难以直接实现。如果再考虑重复排名或者分类排名，那么情况就更为复杂。

本文介绍 4 种分类排名方式：子查询、自连接、自定义变量以及 MySQL8.0 窗口函数。

需求介绍

考虑 MySQL 中的一个经典应用：给定一个学生考试成绩表，要实现对学生按课程依成绩高低进行排序。为了简单起见，仅给定成绩表，而不考虑可能关联的学生信息表、课程信息表和教师信息表等，且成绩表中仅创建 3 个关键字段：

cid：课程 id，int 型，共 5 门课程
sid：学生 id，int 型，共 8872 名学生
score：成绩，int 型，共 22366 条成绩信息，分布于 10-100 之间

为了逐步分析，初始状态不添加主键，也不建立任何索引。

子查询

实现这一需求的最直接想法是通过子查询，对每个分数进行统计：统计表中有多少分数比其更高，那么该分数的排名就是更高分数计数 +1。如果要区分课程排名，那么统计表时只需增加一个限制课程 id 相等的约束条件即可。

SELECT a.*, ( SELECT COUNT(score)+1 FROM scores WHERE cid = a.cid AND score > a.score ) AS 'rank' FROM scores a ORDER BY a.cid,  a.score DESC;

需注意的是，在子查询约束条件中要求 score > a.score 以及 COUNT()+1，表示统计的是比该成绩更高的计数 +1，例如对于 90、80、80、70…… 这样的分数得到排名结果是 1，2，2，4……；如果选用 score >= a.score 和 COUNT() 作为排名条件，那么得到结果是 1，3，3，4……

在未添加任何索引的情况下，这个查询速度是相当慢的，耗时 120s。

优化查询的第一想法当然是添加索引：虽然外层查询未用到任何 where 约束条件，但子查询中用到了 cid 和 score 两个字段判断，于是考虑添加索引：

CREATE INDEX idc ON scores(cid);
CREATE INDEX ids ON scores(score);

增加索引后，查询耗时 96s，虽然有提升，但仍难堪重任。解释查询计划，发现虽然速度仍然很慢，但两个索引确实都得到了应用：

既然独立索引无法明显提升效率，考虑子查询中 where 条件不是独立字段的常值约束，而是依赖于外层循环取值的联合约束，那么再考虑添加一个联合索引：

CREATE INDEX idcs ON scores(cid, score);

查询速度确实是更快了，实际用时 24s。解释查询计划，发现既用到了独立索引，也用到了联合索引。但不得不说，24s 的响应时间对于要求 0.5s 解决战斗的即时任务来说，仍然是不够的。

只能另辟蹊径。

自连接

一般来说，对于速度较慢的子查询任务，换做连接查询 (join) 可以得到明显提升。

具体到分课程排名这一具体需求，我们考虑对 scores 表进行自连接，其中连接条件为课程相等且 a 表 score 值小于 b 表 score 值，从而通过统计满足连接条件的记录数即可得到排名信息：

SELECT 
    a.*, COUNT(b.score)+1 AS 'rank'
FROM 
    scores a LEFT JOIN scores b ON (a.cid = b.cid AND a.score < b.score)
GROUP BY 
    a.cid, a.sid
ORDER BY 
    a.cid, COUNT(b.score)

需注意的是：连接方式要选用 left join，以便将 a 表中的所有分数信息都显示出来；若是用 join，则最高分因为不存在满足连接的记录而被漏掉。至于连接条件中 score 值和 count() 的关系类似于子查询中的情况。

应用自连接，在不创建任何索引的情况下查询速度与子查询情况差不多，耗时 73s；在添加有效索引后，查询时间 27s，效率有所提升，但与查询方案效率相当。

显然，应用自连接替代子查询的方案并没有显著提升查询效率，即使是在添加了有效索引的基础上。

进一步分析数据表发现，实际上速度慢并不能否认索引在改善查询效率方面的能力，而仅仅是因为添加索引的字段取值较少的原因：cid 字段仅有 5 个取值——当字段取值个数较少时，添加索引很难见效。

例如，如果换一个需求，改为按学生区分各门课程的成绩排名（sid 取值数量很大），则应用索引即可有效改善查询效率。按学生查询成绩排名 SQL 语句：

SELECT 
    a.*, count(b.score)+1 AS 'rank'
FROM 
    scores a LEFT JOIN scores b ON (a.sid = b.sid AND a.score < b.score)
GROUP BY 
    a.sid, a.cid
ORDER BY 
    a.sid, count(b.score)

对于如上查询，在未添加索引时，查询时间 34s；添加有效索引后耗时仅为 0.184s，添加索引的提升效果非常明显。

虽然这一论断捍卫了索引的地位作用，但如果我们的需求就是按课程进行排名呢？显然，无论是子查询还是自连接方案，都难以满足我们的实时查询需求。

只得再觅他法。

自定义变量

实际上，上述两种方案之所以速度较慢，是因为都作用在两个表上查询，如果再考虑外层的 order by，那么执行时间复杂度粗略估计在 O(n3) 量级。此时，我们考虑应用自定义变量实现更低复杂度的查询实现。

应用自定义变量，我们不仅可以提高速度，而且还能实现"各种"排名：例如对于 90、80、80、70、60 这样一组成绩，可能有 3 种排名需求，一种是连续排名，同分时名次也继续增加：1、2、3、4、5；第二种是同分同名，下一排名不跳级，即 1、2、2、3、4；第三种是同分同名，下一排名跳级，即 1、2、2、4、5。这三种需求应用自定义变量进行排序都可以轻松搞定（具体变量含义和思路后续给出）：

连续排名：

SELECT 
    sid, cid, @curRank:=@curRank+1 AS 'rank'
FROM 
    scores, (SELECT @curRank:=0) tmp
ORDER BY 
    score DESC

同分同名，不跳级：

SELECT 
    sid, cid, @curRank:=IF(score=@preScore, @curRank, @curRank+1) AS 'rank', 
    @preScore:=score
FROM 
    scores, (SELECT @curRank:=0, @preScore:=NULL) tmp
ORDER BY
    score

同分同名，跳级：

SELECT 
    sid, cid, @curRank := IF(score=@preScore, @curRank, @totalRank) AS 'rank',
    @preScore := score,
    @totalRank := @totalRank+1
FROM 
    scores, (SELECT @curRank:=1, @totalRank:=1, @preScore:=NULL) tmp
ORDER BY 
    score

以上 SQL 语句是在不进行任何分类条件下的排名：通过自定义变量（MySQL 定义变量用 @ 作为引导符，并用 := 表示赋值）记录前一个排名、前一个分数值、当前的总排名，分别实现三种需求。

那么，若要实现分类排名呢，比如说区分各课程进行排名？那么只需再增加一个自定义变量，用于记录前一个课程 cid 即可：
若当前分类信息与前一课程 cid 相同，则继续当前的排名处理（根据具体需求选择三种排名中的一种）；
若当前分类与前一课程 cid 不同，则排名信息初始化，从 1 重新开始。

以相对复杂的“同分同名、跳级”为例，此时 SQL 语句为：

SELECT  sid, cid, 
    @totalRank := IF(cid=@preCid, @totalRank+1, 1),
    @curRank := IF(cid=@preCid, IF(score=@preScore, @curRank, @totalRank), 1) AS 'rank',
    @preScore := score,
    @preCid := cid
FROM 
    scores, (SELECT @curRank:=0, @totalRank:=0, @preScore:=NULL, @preCid:=NULL) tmp
ORDER BY 
    cid, score DESC

对各变量含义解释如下：

@totalRank 用于记录当前分类中的总排名，初始化为 0
@curRank 用于记录当前分类中的当前排名，初始化为 0
@preScore 用于记录上一个分数情况，初始化为 NULL
@preCid 用于记录上一个课程 cid，初始化为 NULL

执行流程及条件判断为：

若当前 cid 与前一 cid 相同，表示是同一个分类，排名在之前排名基础增加，具体来说：

总排名每次 +1
若当前分数与前一分数相同，则当前排名不变；否则跳级到总排名
若当前 cid 与前一 cid 不同，表示开始新的课程排名，总排名和当前排名均初始化为 1

基于以上 SQL 语句，执行相同的任务，耗时仅需 0.09s，其效率相当于子查询最快速度 24s 的 266 倍，相当于自连接最快速度 27s 的 300 倍，其查询效率可见一斑。

另外，由于上述 SQL 语句不存在 where 约束条件，所以与是否建立索引无关。

MySQL8.0窗口函数

MySQL8.0 版本的一个重要更新就是增加了窗口函数，使得前面的分类排名需求变得异常简单。

与前述类似，不同的排名需求有不同的窗口函数，而且三个函数的命名也非常形象直观：

row_number(): 连续排名，排名即行号
dense_rank(): 同分同名，不跳级，致密排名，类似 1、2、2、3…… 这种，因为不跳级，所以比较"致密"
rank(): 同分同名，跳级，普通排名，类似 1、2、2、4…… 这种

其中，每个窗口函数函数又必须与 over() 函数配套使用，over() 函数中的参数主要包括 partion by 和 order by：

order by：与常规 SQL 语句中 order by 一致，表示按照某一字段进行排序，也区分 ASC 还是 DESC
partion by：用作分类依据，缺省时表示不分类，对所有记录排序；若指定某一字段，则表示在该字段间进行独立排序，跨字段重新开始

仍以之前的分课程排名需求为例，其 SQL 语句为：

SELECT 
    *, RANK() OVER(PARTITION BY cid ORDER BY score DESC) AS 'rank'
FROM 
    scores;

查询耗时 0.066s，比自定义变量实现的排名速度略高一点。同时，该排名方式也与索引无关。

将 RANK() 替换成另外两个窗口函数，可实现其他相应需求。

具体的窗口函数用法查看文章：https://blog.wangtwothree.com/database/147.html

总结

本文以对给定成绩表进行分课程排名为例，讲述了 4 种实现方案：

子查询方案，通过嵌套 count() 函数实现，效率较低，创建有效索引可提升一定效率，仅支持"同分同名、跳级"排名需求
自连接方案，与子查询类似，通过自连接和 count() 函数实现，效率较低，依赖于索引，也仅支持"同分同名、跳级"排名需求
自定义变量方案，通过定义变量实现计数，效率很高，不依赖索引，且可以实现各种排名需求，任意版本通用
MySQL8.0 窗口函数，相当于对自定义变量方案的封装，效率最高，不依赖于索引，但 8.0 以前版本无法使用

实际上，在得到排名需求后，可进一步通过简单子查询实现查询分类 Top K 的任务需求。

via:
一文解决所有 MySQL 分类排名问题
https://mp.weixin.qq.com/s/1E3x6dRcav5oK50TISTLCw

标签: mysql