SQL 多表关联与分组聚合：解密答题正确率分析

一、问题拆解：从业务需求到SQL逻辑

1.1 需求分析

题目要求：计算浙江大学用户在不同难度题目下的答题正确率，并按正确率升序排序。

关键分析点：

1. 数据来源：
   • user_profile：存储用户信息（大学）
   • question_practice_detail：存储答题记录
   • question_detail：存储题目难度信息
2. 筛选条件：university = '浙江大学'
3. 计算逻辑：
   • 正确率 = 正确答题数 / 总答题数
   • 需按题目难度分组（difficult_level）
4. 结果要求：按正确率升序排列

1.2 示例数据与预期结果

假设各表结构及部分数据：

user_profile：

device_id	university
1001	浙江大学
1002	浙江大学
1003	复旦大学

question_practice_detail：

device_id	question_id	result
1001	Q101	right
1001	Q102	wrong
1002	Q102	right
1002	Q103	right

question_detail：

question_id	difficult_level
Q101	hard
Q102	medium
Q103	easy

预期结果：

difficult_level	correct_rate
medium	0.5000
hard	1.0000
easy	1.0000

二、核心SQL解析：多表关联与聚合计算

2.1 完整SQL语句

SELECT 
    qd.difficult_level, 
    ROUND(SUM(
        CASE 
            WHEN qpd.result = 'right' THEN 1 
            ELSE 0 
        END
    ) / COUNT(qpd.question_id), 4) AS correct_rate
FROM 
    user_profile AS up
INNER JOIN 
    question_practice_detail AS qpd 
    ON up.device_id = qpd.device_id
INNER JOIN 
    question_detail AS qd 
    ON qpd.question_id = qd.question_id
WHERE 
    up.university = '浙江大学'
GROUP BY 
    qd.difficult_level
ORDER BY 
    correct_rate ASC;

2.2 关键技术点分解

1. 三表关联策略

user_profile INNER JOIN question_practice_detail INNER JOIN question_detail

• 作用：
  • 通过device_id关联用户与答题记录
  • 通过question_id关联答题记录与题目难度
• 选择内连接的原因：
  • 仅统计实际答题的用户和题目
  • 排除未答题用户或无难度信息的题目

2. 正确率计算逻辑

ROUND(SUM(CASE WHEN qpd.result = 'right' THEN 1 ELSE 0 END) / COUNT(qpd.question_id), 4)

• 分子：SUM(CASE ...)统计正确答题数
• 分母：COUNT(qpd.question_id)统计总答题数
• ROUND函数：保留四位小数

3. 分组与排序

GROUP BY qd.difficult_level
ORDER BY correct_rate ASC

• 分组：按题目难度（difficult_level）分组
• 排序：按计算出的正确率升序排列

三、SQL语法精讲

3.1 多表连接语法

table1 [INNER|LEFT|RIGHT] JOIN table2 ON condition1
[INNER|LEFT|RIGHT] JOIN table3 ON condition2

• 本例连接类型：内连接（INNER JOIN）
• 执行顺序：从左到右依次连接各表

3.2 聚合函数详解

函数	作用
SUM(expr)	计算表达式的总和
COUNT(expr)	统计非NULL值的数量
ROUND(num, dec)	将数值四舍五入到指定小数位数

3.3 CASE表达式

CASE 
    WHEN condition THEN value 
    ELSE default_value 
END

• 本例应用：将布尔条件（result='right'）转换为数值（1或0）

四、执行流程与数据流转

4.1 分步执行过程

步骤1：筛选浙江大学用户

WHERE up.university = '浙江大学'

• 结果：保留user_profile中浙江大学的用户记录

步骤2：连接答题记录表

INNER JOIN question_practice_detail AS qpd 
ON up.device_id = qpd.device_id

• 结果：

  device_id	university	question_id	result
  1001	浙江大学	Q101	right
  1001	浙江大学	Q102	wrong
  1002	浙江大学	Q102	right
  1002	浙江大学	Q103	right

步骤3：连接题目难度表

INNER JOIN question_detail AS qd 
ON qpd.question_id = qd.question_id

• 结果：

  device_id	university	question_id	result	difficult_level
  1001	浙江大学	Q101	right	hard
  1001	浙江大学	Q102	wrong	medium
  1002	浙江大学	Q102	right	medium
  1002	浙江大学	Q103	right	easy

步骤4：分组与聚合计算

1. 按难度分组：
   • hard：Q101（1条记录，1正确）
   • medium：Q102（2条记录，1正确）
   • easy：Q103（1条记录，1正确）
2. 计算正确率：
   • hard：1/1 = 1.0000
   • medium：1/2 = 0.5000
   • easy：1/1 = 1.0000

步骤5：排序

ORDER BY correct_rate ASC

• 最终结果：按正确率升序排列

五、性能优化策略

5.1 索引优化

-- 为user_profile添加索引
CREATE INDEX idx_university_device ON user_profile(university, device_id);

-- 为question_practice_detail添加复合索引
CREATE INDEX idx_device_question ON question_practice_detail(device_id, question_id, result);

-- 为question_detail添加索引
CREATE INDEX idx_question_difficulty ON question_detail(question_id, difficult_level);

5.2 执行计划分析

使用EXPLAIN关键字分析执行计划：

EXPLAIN
SELECT ... (原SQL) ...;

关键指标解读：

• type列：期望各表连接类型为ref或eq_ref
• key列：应显示使用了上述创建的索引
• Extra列：避免出现Using filesort和Using temporary

六、常见问题与解决方案

6.1 除数为零问题

问题：若某难度题目无人作答，COUNT(qpd.question_id)为0，导致除零错误。
解决方案：

-- 使用NULLIF防止除零
ROUND(SUM(CASE WHEN qpd.result = 'right' THEN 1 ELSE 0 END) / NULLIF(COUNT(qpd.question_id), 0), 4)

-- 若存在无答题记录的难度，需改用LEFT JOIN并处理NULL

6.2 正确率精度问题

问题：直接相除可能导致精度丢失。
解决方案：

-- 显式转换为DECIMAL类型
ROUND(SUM(CASE WHEN qpd.result = 'right' THEN 1 ELSE 0 END) / COUNT(qpd.question_id), 4) AS correct_rate

6.3 多表连接性能问题

问题：大数据量下多表连接可能性能较差。
解决方案：

1. 确保连接字段都有索引
2. 优先过滤数据（如先筛选浙江大学用户）
3. 考虑使用临时表存储中间结果

七、扩展应用：分组聚合的进阶场景

7.1 计算各大学平均正确率

SELECT 
    up.university,
    ROUND(SUM(CASE WHEN qpd.result = 'right' THEN 1 ELSE 0 END) / COUNT(qpd.question_id), 4) AS avg_correct_rate
FROM ...
GROUP BY 
    up.university
ORDER BY 
    avg_correct_rate DESC;

7.2 按难度和用户分组

SELECT 
    up.device_id,
    qd.difficult_level,
    ROUND(SUM(CASE WHEN qpd.result = 'right' THEN 1 ELSE 0 END) / COUNT(qpd.question_id), 4) AS user_difficulty_rate
FROM ...
GROUP BY 
    up.device_id, 
    qd.difficult_level;

7.3 复杂条件筛选

WHERE 
    up.university IN ('浙江大学', '复旦大学')
    AND qd.difficult_level IN ('hard', 'medium')
    AND qpd.date >= '2021-08-01';

八、总结与技术要点

8.1 核心技术点回顾

1. 多表关联策略：通过内连接整合三张表的数据
2. 分组聚合技巧：
   • 使用SUM(CASE ...)统计条件计数
   • 使用COUNT统计总数
   • 使用ROUND控制结果精度
3. 排序与过滤：合理使用WHERE、GROUP BY和ORDER BY
4. 索引优化：为连接字段和过滤条件创建复合索引

8.2 技术决策树

开始
│
├── 是否需要多表关联？
│   │
│   └── 是 → 选择合适的连接类型（INNER/LEFT）
│       │
│       ├── 仅保留匹配记录 → INNER JOIN
│       │
│       └── 保留主表所有记录 → LEFT JOIN
│
├── 是否需要分组统计？
│   │
│   └── 是 → 确定分组字段和聚合函数
│       │
│       ├── 统计总数 → COUNT
│       │
│       ├── 统计条件数 → SUM(CASE ...)
│       │
│       └── 计算比例 → SUM(...)/COUNT(...)
│
├── 是否存在性能问题？
│   │
│   └── 是 → 为JOIN字段和WHERE条件创建复合索引
│
└── 结束

通过深入理解多表关联和分组聚合的原理，结合合理的索引优化，你可以高效处理各种复杂的统计分析需求，避免常见的SQL性能陷阱，提升数据处理能力。