Dotaz: select duplicit s vypisem 10ti polozek od kazdeho

[masi]

Zdravim,

mam jednu tabulku, kde je 6tis polozek se strukturou viz nize:

+----------+-----------------------------+
| domain   | email                       |
+----------+-----------------------------+
| atlas.cz | karel@atlas.cz |
| atlas.cz | pepa@atlas.cz       |
| atlas.cz | borivoji@atlas.cz     |
| atlas.cz | magdalena@atlas.cz        |
+----------+-----------------------------+

mam zde hodne atlas.cz, seznam.cz gmail.com atd.. A potrebuju od kazde domeny vybrat pouze 10 emailu idealne v jednom selectu. Je to vubec mozne? Uz par hodin se snazim spravne zeptat google a zatim bez uspechu, Je mi jedno zda to bude postgre, nebo mysql. Projizdim dokumentaci, ale nenapada me ani moc jak bych to realizoval a kdyz to bude v kodu, bojim se spatneho vykonu, samozrejme me napadlo udelat neco takoveho:

adr_list = []
domains = db.query("select domain, count(email) as cnt from recipients group by domain having cnt > 10")

adr_list.append(db.query("""select email from recipients where domain not in (select domain from (select domain, count(email) as cnt from recipients group by domain having cnt > 10) as tmp);""")
for dom in domains:
    adr_list.append("select email from recipients LIMIT 10;" % dom)

ale radeji bych to udelal spravne a neco se rovnou priucil.

Predem dekuji za rady a postouchnuti...

---

---

Odpovědi

[Filip Jirsák]

Nedaly by se na to použít windowing funkce? Seskupit do jednoho okna všechny se stejnou doménou, a pak v okně vybrat prvních deset.

[masi]

Dobry den,

dekuji vam za tip, ale uprimne slysim termin windowing funkce poprve, ale nasel jsem podle toho http://www.postgresql.org/docs/9.1/static/tutorial-window.html. Kazdopadne po precteni uvodu si nedokazu moc predstavit jak by to mohlo pomoci.

Ja mam predstavu, ze by se to mohlo udelat nejak prez subselect vhodne, ale nevim jak to napsat, pripadne urcite bude vhodnejsi reseni.

I tak vam moc dekuji

[masi]

Ten dotaz bude vypadat přibližně takto

SELECT 
 *
FROM (
    SELECT
        ROW_NUMBER() OVER (PARTITION BY domain ORDER BY email) AS rowno,
        email
    FROM 
        emails
) t
WHERE rowno <= 10

Nezkoušel jsem to, možná tam jsou nějaké detaily špatně. V MySQL to jde zprasit přes proměnnou, což většinou funguje. Dá se udělat i korelovaný poddotaz, který bude počítat rowno, ale efektivita jde do háje.

[Filip Jirsák]

Případně pokud se mají vybrat jen ty domény, které mají alespoň 10 e-mailů, ještě spojit (JOIN) s výsledkem toho prvního dotazu od tazatele.

[masi]

Dekuji mnohokrat, to je presne ono... To je pouziti tech windowing?

[Filip Jirsák]

Ano. OVER ... PARTITION vytvoří okna (skupiny řádků), ROW_NUMBER() se pak provádí na té skupině řádků.

[Josef Kufner]

ti ti ti No fuj.