Вы строите выручку по каналу: соединяете sessions(user_id, channel) и orders(user_id, revenue) по user_id, затем считаете SUM(revenue) по channel. Получившаяся выручка сильно больше бухгалтерской. Что наиболее вероятно и что делать?
AЭто many-to-many дублирование строк: выручка размножается на сессиях, нужна предварительная агрегация до уровня заказа
BЗаменить SUM(revenue) на AVG(revenue) для корректировки дублей выручки на сессиях пользователя в канале
CПрименить SELECT DISTINCT ко всему результирующему набору и пересчитать выручку поверх дедуплицированных строк
DПерейти на COUNT(*) вместо SUM(revenue) для устранения эффекта дублирования строк после соединения таблиц
Правильный ответ. Соединение двух
one-to-many источников по user_id даёт many-to-many и ломает денежные метрики из-за duplication.Разбор
Каждый заказ пользователя матчится на каждую его сессию, поэтому один и тот же revenue учитывается много раз в SUM(). distinct может случайно скрыть часть дублей и сломать данные по-другому, поэтому это плохой костыль. Правильный путь — определить целевой уровень данных, pre-aggregate до него и затем соединять.
Проверь себя · 1/3разбор после ответа
Вы соединяете таблицы пользователей и заказов по
user_id, где у одного пользователя может быть много заказов (связь «один ко многим»). Как посчитать число пользователей, которые сделали хотя бы один заказ, и не получить дубли?Ещё вопросы по теме «JOIN и кардинальность»
- В таблице `users` 100 000 строк, в таблице `user_profiles` — ровно одна строка на каждого `user_id`. Вы делаете `INNER JOIN` по `user_id`. Что верно про число строк результата?
- Вы соединяете таблицы пользователей и заказов по `user_id`, где у одного пользователя может быть много заказов (связь «один ко многим»). Как посчитать число пользователей, которые сделали хотя бы один заказ, и не получить дубли?
- Для одного `order_id` в `order_items` есть 3 строки, а в `payments` — 2 строки. Вы соединили обе таблицы по `order_id` без предварительной агрегации. Сколько строк получится для этого заказа и почему?
- Нужен набор данных на уровне `user_id`: выручка из `orders` и число сессий из `sessions`. В обеих таблицах по пользователю много строк (один-ко-многим). Какой подход минимизирует риск размножения строк в соединении?
- Вы хотели посчитать средний чек по заказам как `AVG(order_total)`. Но перед этим соединили `orders` с `order_items` по `order_id` (связь один-ко-многим). Почему `AVG()` может измениться по сравнению с расчётом на таблице `orders`?
- Все вопросы по «JOIN и кардинальность» →