根据Redshift中的条件过滤数据

Question

我在解决上一个问题时遇到了另外一个问题： 所以，我有这些数据：

对于每条路线 - ＆gt;我想只得到rb中存在ob的那些行。因此，这个输出：

我知道这也需要通过临时表来完成。之前我正按照@smb：

的建议这样做

从table_name中选择*作为 内部联接 （从table_name中选择load，rb 按负载分组，rb）为b 在a.load = b.load上 和 a.ob = b.rb

但是这个解决方案会给我：

这是不正确的，因为它没有考虑路线。

如果你们能提供帮助，那就太好了。）

由于

Answer 1

已更新以添加路线 -

答案是嵌套连接。这个概念是

1. 获取一系列不同的obs和rbs
2. 加入原始数据，其中ob = ob和lane = rb

代码如下：

select * from table_name as a
inner join
(select route, ob, rb from table_name
group by route, ob, rb) as b
on a.ob = b.ob
and 
a.lane = b.rb
and 
a.route = b.route

我已经使用临时表here做了一个示例，因此您可以看到它的实际效果。

请注意，如果您的数据很大，则应考虑在连接中确保您的dist键。这可以确保redshift知道不需要在不同的计算节点之间连接任何行，因此它可以执行多个本地连接，因此效率更高。

Answer 2

几种方式（声明很简单但在较大的集合上通常较慢）

select * 
from table
where lane in (select rb from table)

或（我发现在较大的集合上存在得更快，但同时尝试两者）

select * 
from table
where exists (select 'x' from table t_inner 
              where t_inner.rb = table.lane)

无论哪种方式在rb列上创建速度

的索引