博客
关于我
mysql union (all) 后order by的排序失效问题解决
阅读量:736 次
发布时间:2019-03-22

本文共 1211 字,大约阅读时间需要 4 分钟。

针对SQL查询中UNION ALL操作导致的排序问题,我们可以通过以下方法解决问题。

问题描述:

在使用UNION ALL操作合并两个SELECT结果时,发现合并后的结果排序不稳定,导致输出顺序混乱。尽管已在查询中添加排序条件ORDER BY rate,但结果仍不符合预期。

解决方案:

为了确保排序稳定性,可以在结果集中添加一个额外的字段,并在排序时优先基于该字段。这种方法可以保证在合并后的结果中,数据按照预期顺序排列。

优化后的查询示例:

SELECT * FROM (
SELECT SUM(c.overtime_num) AS delay_num,
ROUND((SUM(c.total_num) - SUM(c.overtime_num)) * 100 / SUM(c.total_num), 2) rate,
'全网' AS reaCode,
0 AS od
FROM calc_vmap_repair_timely_rate_mon_stat c
WHERE c.`type` = 22
AND c.MONTH BETWEEN '2019-01' AND '2019-01'
) t1
UNION ALL
SELECT SUM(c.overtime_num) AS delay_num,
ROUND((SUM(c.total_num) - SUM(c.overtime_num)) * 100 / SUM(c.total_num), 2) rate,
c.motorcade_area_code AS reaCode,
1 AS od
FROM calc_vmap_repair_timely_rate_mon_stat c
WHERE c.`type` = 22
AND c.MONTH BETWEEN '2019-01' AND '2019-01'
GROUP BY c.motorcade_area_code
) t2
ORDER BY od, rate;

解决方法说明:

  • 添加稳定排序字段:在两个SELECT结果中分别添加一个字段od,分别设置为01
  • 优先排序稳定字段:在最终的ORDER BY中,先按od字段排序,再按rate排序。
  • 确保唯一性:通过UNION ALL操作合并结果时,确保每个结果集中的数据具有唯一性,避免重复记录。
  • 优势分析:

    • 排序稳定性:通过在结果集中添加一个额外的排序依据字段,确保了合并后的数据按照预期顺序排列。
    • 查询性能:添加的字段不会显著影响查询性能,尤其是当od字段只用于排序时。
    • 可读性:代码结构更加清晰,便于其他开发人员理解和维护。

    这种方法有效解决了UNION ALL操作后排序问题,同时保持了查询的高效性。

    转载地址:http://koywk.baihongyu.com/

    你可能感兴趣的文章
    NIH发布包含10600张CT图像数据库 为AI算法测试铺路
    查看>>
    Nim教程【十二】
    查看>>
    Nim游戏
    查看>>
    NIO ByteBuffer实现原理
    查看>>
    Nio ByteBuffer组件读写指针切换原理与常用方法
    查看>>
    NIO Selector实现原理
    查看>>
    nio 中channel和buffer的基本使用
    查看>>
    NIO基于UDP协议的网络编程
    查看>>
    NISP一级,NISP二级报考说明,零基础入门到精通,收藏这篇就够了
    查看>>
    Nitrux 3.8 发布!性能全面提升,带来非凡体验
    查看>>
    NI笔试——大数加法
    查看>>
    NLog 自定义字段 写入 oracle
    查看>>
    NLog类库使用探索——详解配置
    查看>>
    NLP 基于kashgari和BERT实现中文命名实体识别(NER)
    查看>>
    NLP 项目:维基百科文章爬虫和分类【01】 - 语料库阅读器
    查看>>
    NLP_什么是统计语言模型_条件概率的链式法则_n元统计语言模型_马尔科夫链_数据稀疏(出现了词库中没有的词)_统计语言模型的平滑策略---人工智能工作笔记0035
    查看>>
    NLP学习笔记:使用 Python 进行NLTK
    查看>>
    NLP的神经网络训练的新模式
    查看>>
    NLP采用Bert进行简单文本情感分类
    查看>>
    NLP问答系统:使用 Deepset SQUAD 和 SQuAD v2 度量评估
    查看>>