Question

我在SQL Server 2014中有两个表：

表A包含三列：Group，Proc和Date
表B包含四列：Proc1，Proc2，Start，End

表B是如果组中的最小日期在开始和结束之间，则不应出现在表A的同一组中的过程对的列表。我试图找到表A中违反此规则的组，但问题是表A有60M组，每组最多100行，表B有65000对。

其他deets：

结束可以为NULL
Proc1和Proc2总是长度为5个字符，但Proc可以是任意长度

我的策略是

对于A中的每个组，获取最小日期并将所有由逗号分隔的Proc的唯一值（该字段从不包含逗号）填充到新字段Procs。使用Group MinDate Procs。
获取C和B的笛卡尔积，其中（i）开始和结束之间的MinDate（或者＆gt;开始和结束为NULL）和（ii）如果我替换Proc1的实例，则Procs的长度减少10和其中的Proc2是空字符串。

此过程有效（在数据的子集上），但我正在寻找有关如何将其扩展到完整数据集的建议。

如果您需要任何其他详细信息，请与我们联系。谢谢！

Answer 1

如果我理解正确，你可以用连接来做到这一点。如果b中的每一行都有唯一标识符，那将会有所帮助。

方法是将表连接在一起，然后计算b中每行的违规次数：

select a.group, b.id, count(distinct a.proc) as num_procs
from a join
     b
     on a.proc in (b.proc1, b.proc2) and
        a.date between b1.start and coalesce(b1.end, getdate())
group by a.group, b.id
having count(distinct a.proc) = 2;

如果您没有b.id，则可以使用四列来标识每一行。

proc长度的具体数据问题是一个单独的问题。您应该修复数据，以便两个表之间匹配的字段实际上具有相同的类型。

避免笛卡尔积检查对

1 个答案: