对一列求和的有效方法，其中另一列的count(value_1)/count(value_2)大于x

Question

我有一个如下结构的表：

| id | bool | amt |
-------------------
| 1  | 0    | 4   |
| 1  | 1    | 3   |
| 1  | 1    | 5   |
| 2  | 0    | 8   |
| 2  | 1    | 4   |
| 2  | 0    | 4   |

我想得到amt的和，但只有当bool = 1/bool = 0/id的比值大于0.6时。

我已经成功地做到了这一点：

SELECT SUM(amt) as total_amt,
FROM table
WHERE id IN (
SELECT id 
FROM table 
GROUP BY id 
HAVING CAST(SUM(bool) AS DOUBLE) / CAST(COUNT(bool) AS DOUBLE) > 0.6
)

然而，我的问题是，这是对我实际的表格和数据的玩具模拟，实际上这是一个非常大的数据量。当我对所有数据运行这个查询时，我会收到错误，要么说已经达到集群的内存限制，要么说执行时间已经达到限制。如果我删除WHERE语句，该语句发现ids满足该比率，则它运行时不会出错。

在增加这些限制之前，有没有什么方法可以更有效地实现这一点，无论是在内存、执行时间还是两者方面？

Answer 1

您可以使用两个级别的聚合：

select sum(id_amount)
from (select id, sum(amount) as id_amount,
avg(case when bool then 1.0 else 0 end) as ratio
from t
group by id
) t
where ratio > 0.6;

注：我对普雷斯托没有太多经验。我认为你可以使用：

avg(bool)

或：

avg(bool::int)

而不是上述表达式。