Dziwne zachowanie duplikatów z GROUP_CONCAT dwóch LEFT JOIN z GROUP_BYs

Twoje drugie zapytanie ma postać:

q1 -- PK user_id
LEFT JOIN (...
    GROUP BY user_id, t.tag
) AS q2
ON q2.user_id = q1.user_id 
LEFT JOIN (...
    GROUP BY user_id, c.category
) AS q3
ON q3.user_id = q1.user_id
GROUP BY -- group_concats

Wewnętrzne wyniki GROUP BYs w (user_id, t.tag) &(user_id, c.category) będąc kluczami/UNIKATAMI. Poza tym nie zajmę się tymi GROUP BY.

TL;DR Kiedy dołączasz (q1 JOIN q2) do q3, nie jest to klucz/UNIKAT jednego z nich, więc dla każdego user_id otrzymasz wiersz dla każdej możliwej kombinacji tagu i kategorii. Tak więc ostateczna funkcja GROUP BY wprowadza duplikaty per (identyfikator_użytkownika, tag) i per (identyfikator_użytkownika, kategoria) i niewłaściwie GROUP_CONCAT duplikaty tagów i kategorii na identyfikator_użytkownika. Prawidłowe byłoby (q1 JOIN q2 GROUP BY) JOIN (q1 JOIN q3 GROUP BY), w którym wszystkie złącza są na wspólnym kluczu/UNIKALNY (user_id) i nie ma fałszywej agregacji. Chociaż czasami można cofnąć taką fałszywą agregację.

Prawidłowe podejście symetryczne INNER JOIN:LEFT JOIN q1 &q2-1:many — następnie GROUP BY &GROUP_CONCAT (co zrobiło twoje pierwsze zapytanie); następnie osobno podobnie LEFT JOIN q1 &q3--1:wiele -- następnie GROUP BY &GROUP_CONCAT; następnie INNER JOIN dwa wyniki ON user_id-1:1.

Prawidłowe podejście do symetrycznego podzapytania skalarnego:WYBIERZ GROUP_CONCATs z q1 jako podzapytania skalarne każdy z GROUP BY.

Prawidłowe podejście kumulacyjne LEFT JOIN:LEFT JOIN q1 &q2--1:wiele--następnie GROUP BY &GROUP_CONCAT; następnie LEWY JOIN i q3--1:wiele -- następnie GROUP BY i GROUP_CONCAT.

Prawidłowe podejście, takie jak drugie zapytanie:najpierw LEFT JOIN q1 i q2--1:wiele. Następnie OPUŚCIŁEŚ to i q3--wiele:1:wiele. Daje wiersz dla każdej możliwej kombinacji tagu i kategorii, które pojawiają się z identyfikatorem użytkownika. Następnie po grupowaniu według GROUP_CONCAT--nad zduplikowanymi parami (identyfikator_użytkownika, tag) i zduplikowanymi parami (identyfikator_użytkownika, kategoria). Dlatego masz zduplikowane elementy listy. Ale dodanie DISTINCT do GROUP_CONCAT daje poprawny wynik. (Dla wchiquito komentarz.)

To, co wolisz, jest jak zwykle kompromisem inżynieryjnym, aby być informowanym o planach zapytań i czasie, według rzeczywistych danych/użytkowania/statystyk. dane wejściowe i statystyki dotyczące oczekiwanej ilości duplikacji), czas rzeczywistych zapytań itp. Jednym z problemów jest to, czy dodatkowe wiersze podejścia wiele:1:wiele JOIN zrównoważą zapisanie GROUP BY.

-- cumulative LEFT JOIN approach
SELECT
   q1.user_id, q1.user_name, q1.score, q1.reputation,
    top_two_tags,
    substring_index(group_concat(q3.category  ORDER BY q3.category_reputation DESC SEPARATOR ','), ',', 2) AS category
FROM
    -- your 1st query (less ORDER BY) AS q1
    (SELECT
        q1.user_id, q1.user_name, q1.score, q1.reputation, 
        substring_index(group_concat(q2.tag  ORDER BY q2.tag_reputation DESC SEPARATOR ','), ',', 2) AS top_two_tags
    FROM
        (SELECT 
            u.id AS user_Id, 
            u.user_name,
            coalesce(sum(r.score), 0) as score,
            coalesce(sum(r.reputation), 0) as reputation
        FROM 
            users u
            LEFT JOIN reputations r 
                ON    r.user_id = u.id 
                  AND r.date_time > 1500584821 /* unix_timestamp(DATE_SUB(now(), INTERVAL 1 WEEK)) */
        GROUP BY 
            u.id, u.user_name
        ) AS q1
        LEFT JOIN
        (
        SELECT
            r.user_id AS user_id, t.tag, sum(r.reputation) AS tag_reputation
        FROM
            reputations r 
            JOIN post_tag pt ON pt.post_id = r.post_id
            JOIN tags t ON t.id = pt.tag_id
        WHERE
            r.date_time > 1500584821 /* unix_timestamp(DATE_SUB(now(), INTERVAL 1 WEEK)) */
        GROUP BY
            user_id, t.tag
        ) AS q2
        ON q2.user_id = q1.user_id 
        GROUP BY
            q1.user_id, q1.user_name, q1.score, q1.reputation
    ) AS q1
    -- finish like your 2nd query
    LEFT JOIN
    (
    SELECT
        r.user_id AS user_id, c.category, sum(r.reputation) AS category_reputation
    FROM
        reputations r 
        JOIN post_category ct ON ct.post_id = r.post_id
        JOIN categories c ON c.id = ct.category_id
    WHERE
        r.date_time > 1500584821 /* unix_timestamp(DATE_SUB(now(), INTERVAL 1 WEEK)) */
    GROUP BY
        user_id, c.category
    ) AS q3
    ON q3.user_id = q1.user_id 
GROUP BY
    q1.user_id, q1.user_name, q1.score, q1.reputation
ORDER BY
    q1.reputation DESC, q1.score DESC ;