Question

我正在努力计算客户订阅（“套餐”）的变化。为此，我每天都会从包裹表中选择一次所有数据。我调用每日查询结果“快照”（约500k行）。然后，我将快照数据加载到新表中。 10天后，我在快照表中总共有500万行（500k行* 10天）。大多数客户不会更改套餐（65％）。我需要报告哪些客户，其余35％的客户正在切换软件包，何时切换软件包，他们正在进行哪些软件包更改（从“软件包X”到“软件包y”）以及哪些客户最常更换软件包。

我编写的查询使用self-join。我正在识别更改，但我的结果包含重复的行。

这是我的疑问：

select *
 from UserPackageDump UPD1, UserPackageDump UPD2
 where UPD1.user_id = UPD2.user_id
 and UPD1.package_id <> UPD2.package_id

如何更改此查询以仅产生不同的结果？

Answer 1

SELECT 
  DISTINCT *
FROM 
  UserPackageDump UPD1 
JOIN UserPackageDump UPD2
  ON UPD1.user_id = UPD2.user_id
WHERE 
  UPD1.package_id <> UPD2.package_id

Answer 2

你有很多选择，我不确定你的方法是正确的。首先回答您的具体问题，您可以根据@ sqlab的答案执行DISTINCT。或者您可以在联接中包含日期，确保UDP1仅匹配UDP2中一天不同的记录。

但是，要回到该方法，不需要获取所有数据的完整副本。您还有许多其他选项可以实现更高效的数据存储，其中一些是：

在数据库中放置一个“LastUpdated”datetime2字段，每次更改行时都要填充该字段。仅复制LastUpdated比上次复制时更新的行。假设表中唯一可能的更改是更改package_id，那么您现在只会在表中为已更改的用户提供行。
创建UserPackageHistory表，每次用户订阅包时，在更新UserPackage的同时将行写入其中。这样就可以得到与第一个项目符号相同的结果，但是在运行复制作业之前。

然后，使用这些数据集中的任何一个，为了满足报告要求，您可以填充多维数据集。您的源代码是一组包含user_id，old_package_id，new_package_id和date的行。您将创建一个包含这些度量的度量值组：

user_id的明显计数
开关计数（基本上只是源数据的行数）

此度量组可能与以下维度相关：

日期，以便您可以查看交换机何时开始
用户，这样您就可以深入了解谁正在切换
切换类型，这是从源数据中选择old_package_id和new_package_id构建的维度。这使您能够看到特定班次的受欢迎程度。

SQL Server查询：每日数据快照比较（计算三角洲出现次数）

2 个答案: