Question

我需要加入两组数据，但由于数据质量不佳，还有一个问题。

这两个数据集是呼叫（电话）和通信（创建的有关电话的记录）。它们的ID分别叫做call_id和comm_id。通信记录还具有call_ids以执行连接。问题是数据收集系统无法正常工作，我有大量的通信，我无法匹配特定的呼叫。并非所有通话都会产生通信。

对于每一天，我需要创建一个联合列表来执行一些分析。问题是由于缺少一些链接，我得到3种不同的行类型：

Just Calls，
Just Comms，
链接的通讯和电话。

我想要做的是对于给定日期的“Just Comm”行的每一行，我应该删除同一日期的“Just Call”行。我不需要来自呼叫的任何值，我只需要知道呼叫发生了。如果我这样做，我将得到正确的行数，因为所有“只是通信”将删除一个“只调用”行，据我所知，这是创建通信的调用。

我的问题是如何在SSIS中执行此操作。我已经到了我的数据集，其中包含我需要的所有数据，并且是我上面提到的3种行类型的混合。您如何建议我完成删除“Just Call”行的过程？

Answer 1

不确定SSIS，但我可以给你一些SQL开始。

似乎你对这些电话并不过分感兴趣，因为如果数据与通信不匹配，你愿意忽略这些数据。

对我而言，这听起来像是典型的LEFT JOIN情况：

SELECT
  call.call_id,
  call.some_data,
  comm.comm._id
  comm.some_data,
FROM
  Communications comm
  LEFT JOIN Calls call ON call.call_id = comm.call_id
WHERE
  <date filter: today>

这将为您提供今天的所有通信，仅与正确链接的那些呼叫配对。今天的所有其他电话都不会在结果集中结束。

编辑：

从OP的评论到另一个答案：

我想采取所有无与伦比的电话和通讯记录。从...开始通话记录并在列表中下载将它们与任何通信记录匹配从同一天开始。每个通讯记录应该只使用一次。如果打电话记录无法找到未使用的通讯匹配日期然后它应该保留空...

我发现这种方法存在一个关键问题：

在程序之后应该保留哪些“呼叫”记录？ TOP 17（17是“call / comm” - 今天的失败计数）？什么都留下了？最新的电话？

在结果集中留下17个随机呼叫记录可能是什么价值？它们没有任何有用的信息。它们并不比你划掉的那些好。你打算在某个地方展示它们吗？为什么？

我会选择LEFT JOIN并简单地收集其余部分。

Answer 2

我不确定我是否完全理解了你的问题，但也许你可以尝试一下FULL OUTER JOIN：

SELECT
  CL.ID AS CALL_ID,
  CL.DATE AS CALL_DATE,
  CM.ID AS COMM_ID,
  CM.DATE AS COMM_DATE
FROM
  CALLS CL
  FULL JOIN
  COMMUNICATIONS CM ON
    (CM.CALL_ID = CALL.ID)
WHERE
  (CL.ID IS NULL) OR
  (CM.ID IS NULL)

这将返回包含NULL呼叫ID或通信ID的所有行（即具有“断开链接”的行）。

然后您可以将其用作视图（让我们称之为 VCALLS_COMMS ）并将其连接到自身以查找具有匹配日期的行：

SELECT 
  VCC1.CALL_ID,
  VCC2.CALL_ID
FROM
  VCALLS_COMMS VCC1
  JOIN
  VCALL_COMMS VCC2 ON
    (VCC2.COMM_DATE = VCC1.CALL_DATE)

也许这不是你想要的，希望它有所帮助。

SSIS不匹配加入

2 个答案: