Question

我有一个具有以下结构的表：

WorkerPersons
-------------------------------
ID          (PK)
PersonID    (Indicates which version of Person the record describes)
SomeColumn1 (data specific to Worker)
SomeColumn2 (data specific to Person)
....
SomeColumnN
-------------------------------

正如您所看到的，它是一个非规范化表，它将Worker和Person（以及一个Person的许多版本）数据保存在一个表中。我的愿望是规范化该表，但是，由于该表包含大量数据（许多列），我需要确定哪些列应该转到Workers表，哪些列转到Persons表。结果应该是这样的：

Workers                 Persons
----------------------- ---------------------
ID                      ID
PersonID (now a FK)     PersonColumn1
WorkerColumn1           PersonColumn2
WorkerColumn2           ...
...                     PersonColumnN
WorkerColumnN
----------------------- ---------------------

为此，我需要分析哪些数据在Person的范围上与所有唯一的Persons（在WorkerPersons中由PersonID分隔）不同。例如：

WorkerPersons
-------------------------------------------------------
ID      PersonID      Column1      Column2      Column3
-------------------------------------------------------
1       PersonA       10.1         John Doe     Single
2       PersonA       10.1         John Doe     Single
3       PersonA       10.1         John Doe     Married
4       PersonB       09.2         Sully        Single
5       PersonB       09.2         Sullivan     Single

在这种情况下，PersonA上有3个版本，PersonB有2个版本。 Column1的值在所有版本的Person上始终相同，我们可以将该列移动到表Worker。但是，第2列和第3列值会在不同版本的Person上更改，因此这些值应该移动到Person表。

没想象，我有大约10个这样的表需要规范化，每个表大约有40列。 Eeach表可容纳约500k至5m的行。

我需要一个脚本来帮助我分析哪些列移动到哪里。我需要一个脚本，输出在整个表中唯一Person范围内更改的所有列。我不知道如何做到这一点。我尝试使用LAG分析函数与下一行进行比较，但是世界上输出更改列的方式超出了我的范围。

请告知。

祝福，安德鲁

Answer 1

由于10个表不是很多，这里是（某种）伪代码

for each table_name in tables
  for each column_name in columns
    case (exists (select 1
          from table_name
          group by PersonID
          having min(column_name) = max(column_name))
       when true then 'Worker'
       when false then 'Person'
    end case
  end for
end for

使用信息架构和动态查询，您可以制作上述正确的PL / SQL，或者使用您喜欢的语言进行核心查询和脚本编写。

修改以上假设NULL中没有column_name s。

<强> EDIT2：核心查询的其他变体可以是

SELECT 1 FROM (SELECT COUNT(DISTINCT column_name) AS distinct_values_by_pid FROM table_name GROUP BY PersonID) T HAVING MIN(distinct_values_by_pid) = MAX(distinct_values_by_pid)

如果每个PersonID的所有值都相同，那么将返回一行。（此查询也存在NULLS问题，但我认为NULL是一个单独的问题;出于上述查询的目的，您总是可以将NULL转换为某些域外值）

上述查询也可以写成

SELECT MIN(c1)=MAX(c1), MIN(c2)=MAX(c2), ... FROM (SELECT COUNT(DISTINCT column_name_1) AS c1, COUNT(DISTINCT column_name_2) AS c2, ... FROM table_name GROUP BY PersonID) T

哪个会同时测试多个列，对于属于'Workers'的列返回true，对于应该进入'Persons'的列返回false。

Answer 2

谢谢，但我通过让Excel在表架构信息上创建一系列选择来解决它。它生成的最终查询是一个很长的选择列表，但它可以工作（虽然它运行超过一个小时）。 “核心查询”（实际上是Excel中用于创建核心查询的公式）：

=IF(AND(C17<>"CLOB";C17<>"NCLOB");"SELECT '"&A17&".'||initcap('"&B17&"') description,
decode(count(*),0,'SAME OVE VERSIONS','DIFFERENT OVER VERSIONS') values FROM (SELECT 
objektid, count(DISTINCT nvl("&B17&","&IF(C17="DATE";"'01.02.0004'";IF(C17="VARCHAR2"
;"'!#¤¤%¤(%#¤%AS'";"-1234561"))&")) OVER (PARTITION BY objectid) arv FROM "&A17&") 
WHERE number > 1 union all";"SELECT '"&A17&".'||initcap('"&B17&"') description, 'CLOB
field' values from dual union all")

规范化表：在一系列行中查找唯一列（Oracle 10.x）

2 个答案: