← Data Journal
SQL

Dlaczego JOIN w SQL podwaja sumy i jak to sprawdzić?

Zobacz na prostym przykładzie, jak połączenie tabel zawyża sprzedaż. Naucz się kontrolować ziarnistość, liczbę rekordów i sumy.

Zespół Data Skills · · 4 min czytania

Raport pokazuje większą sprzedaż po dodaniu nazw produktów. Nie było nowych zamówień, a przychód wzrósł. To częsta sytuacja, w której zapytanie działa technicznie, lecz wynik odpowiada na inne pytanie niż zamierzone. Najpierw sprawdź, co oznacza jeden wiersz w każdej tabeli. Dopiero potem szukaj błędu w funkcji SUM. Poniższy przykład jest syntetyczny i służy samodzielnej kontroli logiki.

Najpierw nazwij jednostkę obserwacji

Tabela orders przechowuje jeden wiersz na zamówienie. Zamówienie O01 klienta C01 ma wartość 200 zł, O02 tego samego klienta 100 zł, a O03 klienta C02 300 zł. Są trzy zamówienia i 600 zł sprzedaży. Tabela order_items ma natomiast jeden wiersz na pozycję produktu. O01 ma dwie pozycje, O02 jedną i O03 jedną. Łącznie są cztery pozycje.

To nie jest problem jakości danych. Jedno zamówienie może prawidłowo zawierać kilka produktów. Problem powstaje dopiero wtedy, gdy kwotę z nagłówka zamówienia traktujesz jak kwotę każdej pozycji. Zapisz dwie definicje w komentarzu do zapytania: „orders: zamówienie” i „order_items: pozycja zamówienia”. Takie krótkie objaśnienie pomaga również osobie, która przejmie raport.

Co robi połączenie jeden do wielu?

Po połączeniu po order_id otrzymasz cztery wiersze. Kwota 200 zł z O01 pojawi się dwa razy. Sumując order_net z takiego wyniku, dostaniesz 200 + 200 + 100 + 300 = 800 zł. Każda para połączonych rekordów jest poprawna, ale powielona kwota nagłówka nie nadaje się już do sumowania jako przychód.

Dokumentacja Microsoft dotycząca JOIN opisuje, jakie pary rekordów zwracają poszczególne rodzaje połączeń. Nie daje jednak gwarancji zachowania biznesowej sumy. LEFT JOIN również może powielić lewy rekord, jeżeli po prawej stronie istnieje kilka dopasowań.

Zacznij od kontroli przed połączeniem:

sql
SELECT COUNT(*) AS order_count,
       SUM(order_net) AS revenue
FROM orders;

Oczekiwanie dla przykładu to trzy zamówienia i 600 zł. Po każdym nowym JOIN sprawdź te same miary, zachowując identyczny zakres dat. Jeżeli liczba wierszy wzrosła, ustal, czy wynika to z prawidłowej relacji, czy z nieunikatowego słownika.

Dobierz rozwiązanie do pytania

Jeżeli potrzebujesz sprzedaży całych zamówień, agreguj tabelę orders. Jeżeli potrzebujesz przychodu produktów, korzystaj z wartości pozycji. Jeśli chcesz dopisać do zamówienia informację z wielu pozycji, najpierw sprowadź pozycje do jednego rekordu na order_id, na przykład wyznaczając liczbę pozycji.

sql
WITH item_counts AS (
  SELECT order_id, COUNT(*) AS item_count
  FROM order_items
  GROUP BY order_id
)
SELECT o.order_id, o.order_net, i.item_count
FROM orders AS o
LEFT JOIN item_counts AS i
  ON i.order_id = o.order_id;

To przykład typowej składni SELECT i CTE, zgodnej z użytymi konstrukcjami T-SQL; w swoim silniku sprawdź nazwy tabel i typy. Wynik ma trzy wiersze, a suma order_net pozostaje 600 zł. Nie stosuj SUM(DISTINCT order_net) jako ogólnej naprawy: dwa różne zamówienia o tej samej kwocie zostałyby policzone tylko raz.

Licznik wymaga równie świadomej definicji

COUNT(*) liczy wiersze. COUNT(kolumna) pomija wartości NULL w tej kolumnie, a COUNT(DISTINCT order_id) liczy różne niepuste identyfikatory. Zasady podaje Microsoft w dokumentacji COUNT. W przykładzie po JOIN można otrzymać cztery wiersze, trzy zamówienia i dwóch klientów. Wszystkie liczby są poprawne, lecz oznaczają coś innego.

Nie zmieniaj mianownika bez opisania miary. Średnia wartość zamówienia to 600/3 = 200 zł. Dzielenie przez dwóch klientów daje 300 zł sprzedaży na klienta. To użyteczna miara, ale nie średnia wartość zamówienia. Nazwa wskaźnika musi rozstrzygać różnicę.

Ćwiczenie na własnym raporcie

Wybierz zapytanie z jednym połączeniem i zapisz sumę oraz liczbę unikatowych kluczy przed JOIN. Następnie sprawdź liczbę dopasowań po prawej stronie dla każdego klucza. Wypisz rekordy z więcej niż jednym dopasowaniem. Oceń ich znaczenie, zanim usuniesz je jako „duplikaty”. Na końcu porównaj sumy na tym samym okresie i wyjaśnij każdą różnicę jednym zdaniem.

Mały test, który obala pozorną naprawę

Dopisz w kopii przykład czwartego zamówienia O04 o wartości 200 zł. Suma nagłówków wynosi teraz 800 zł. SUM(DISTINCT order_net) nadal zwróci tylko 600 zł, ponieważ dwie różne transakcje o wartości 200 zostały potraktowane jak jedna wartość. Dzięki temu prostemu testowi widzisz, dlaczego naprawa musi dotyczyć klucza i relacji, a nie samej liczby. Zachowaj taki przypadek kontrolny przy przyszłych zmianach zapytania. Sprawdź również klienta bez zamówienia i zamówienie bez pozycji; biznesowa reguła powinna wyjaśniać, czy oba przypadki mają pozostać w raporcie.

FAQ

Czy DISTINCT zawsze usuwa problem?

Nie. Może ukryć prawidłowe powtarzające się wartości albo usunąć wiersze, których nie powinno się usuwać. Najpierw określ klucz i poziom agregacji, a dopiero potem wybierz technikę.

Czy LEFT JOIN zachowa liczbę zamówień?

Zachowa niepasujące lewe rekordy, ale nie musi zachować ich liczby w wyniku. Relacja jeden do wielu nadal tworzy wiele wierszy na zamówienie.

Jak znaleźć sprzedaż klientów bez zamówień?

Zacznij od listy klientów, zastosuj LEFT JOIN i świadomie obsłuż brak transakcji. Odróżnij brak rekordu od rzeczywistej kwoty zero; warunek WHERE na prawej tabeli może usunąć niepasujących klientów.

Taką kontrolę zapytania możesz opisać także w portfolio analityka, pokazując własną regułę uzgodnienia.

Jeżeli dane wejściowe są niepewne, zacznij od kontroli jakości danych. Praktykę zapytań i agregacji znajdziesz w katalogu Data Missions.

Źródła i dalsza lektura

Poznaj Data Missions