Hans-Juergen Schoenig：PostgreSQL 19 中的超快速聚合
内容提要
文章讨论SQL查询优化。读者指出示例中连接条件“c1.category_id = c1.category_id”有误，应为“p.category_id = c1.category_id”，否则会导致自连接并影响执行时间。另有建议应优化查询执行计划而非SQL本身，并询问按维度表分组时是否先按部门再按分部聚合。
延伸解读
查询条件笔误的影响
多位读者指出，示例查询中的连接条件“c1.category_id = c1.category_id”有误，应为“p.category_id = c1.category_id”。这个笔误会导致表自连接，而非与产品表连接，可能显著改变执行计划和运行时间。读者关心的是，文章后续的查询计划和计时是否基于错误SQL，还是仅博客文本有误。
优化方向：执行计划而非SQL
有读者建议，与其优化SQL查询本身，不如优化查询执行计划。通过自动方法（如AI）分析计划，从计划A转移到最优计划B。这引发了对是否存在“计划优化编译器”的讨论，反映了对数据库优化器自动化程度的关注。
维度表分组的聚合顺序
读者提问：当按维度表分组，且维度表同时包含细粒度ID和更宽泛类别（如部门与分部）时，分组聚合会先按原始部门ID分组，再按分部名称分组吗？这涉及分组操作在连接前后的执行顺序，以及聚合粒度如何影响结果。
Q&A
文章中的SQL查询示例有什么错误？
连接条件写成了“c1.category_id = c1.category_id”，这会导致表自连接，正确的应该是“p.category_id = c1.category_id”。
这个错误对查询性能有什么影响？
这个错误会导致自连接，从而显著改变查询的执行时间。
有读者建议如何优化查询？
有读者建议应该优化查询执行计划，而不是SQL查询本身，通过自动方法（如AI）分析计划并从计划A转移到最优计划B。
当按包含细粒度ID和更广泛类别的维度表分组时，GROUP BY会如何执行？
文章中的问题询问：如果维度表包含部门（细粒度）和分部（更广泛类别），GROUP BY是否会先按原始部门ID分组，然后在连接后按分部名称分组？但文章未提供明确答案。
如果要计算每个类别和颜色组合的产品数量，连接条件应该怎么写？
应该使用“p.color_id = c2.color_id”和“p.category_id = c1.category_id”。
文章中的错误是否影响了查询计划和执行时间？
有读者指出，不确定这个错误是否也影响了文章其余部分的查询计划和执行时间，或者那些部分使用了正确的SQL而错误仅出现在博客中。
