Con conjuntos de datos más grandes, funciones de ventana son la forma más eficiente de realizar este tipo de consultas:la tabla se escaneará solo una vez, en lugar de una vez para cada fecha, como lo haría una autounión. También parece mucho más simple. :) PostgreSQL 8.4 y versiones posteriores tienen soporte para funciones de ventana.
Así es como se ve:
SELECT created_at, sum(count(email)) OVER (ORDER BY created_at)
FROM subscriptions
GROUP BY created_at;
Aquí OVER
crea la ventana; ORDER BY created_at
significa que tiene que resumir los recuentos en created_at
orden.
Editar: Si desea eliminar correos electrónicos duplicados en un solo día, puede usar sum(count(distinct email))
. Desafortunadamente, esto no eliminará los duplicados que crucen fechas diferentes.
Si desea eliminar todos duplicados, creo que lo más fácil es usar una subconsulta y DISTINCT ON
. Esto atribuirá los correos electrónicos a su fecha más antigua (porque los ordeno por created_at en orden ascendente, elegirá la más antigua):
SELECT created_at, sum(count(email)) OVER (ORDER BY created_at)
FROM (
SELECT DISTINCT ON (email) created_at, email
FROM subscriptions ORDER BY email, created_at
) AS subq
GROUP BY created_at;
Si crea un índice en (email, created_at)
, esta consulta tampoco debería ser demasiado lenta.
(Si desea probar, así es como creé el conjunto de datos de muestra)
create table subscriptions as
select date '2000-04-04' + (i/10000)::int as created_at,
'[email protected]' || (i%700000)::text as email
from generate_series(1,1000000) i;
create index on subscriptions (email, created_at);