连接的组件

Question

我有一组数据是通过将相似的子项目匹配在一起，然后按“类别”将这些相似的项目分组而创建的。

现在，必须以使每个“ group_id”内的相关类别分组在一起的方式匹配结果类别。在下面的示例中，一个匹配项是A-> B-> C-> D-> E-> F->
G，这是通过逐行重复获得的。

我已经发布了当前答案，该答案适用于此简单数据集，但是由于实际数据集最多包含1M行，并且每个“
group_id”最多可能有60个类别，因此该查询会导致“后台处理空间不足”在实际数据上的错误。

请注意：

• 由于公司的限制，我无法使用存储过程。
• 我不能使用用户定义的函数（UDF）
• 我不能使用用户定义类型（UDT）

正确答案将

• 为Teradata或兼容而编写
• 比我的答案更有效率
• 尊重我上面提到的限制

Answer 1

您需要递归方法，但是WITH RECURSIVE会产生巨大的中间结果，因此 不再需要假脱机 。

对于类似的过程，我使用了以下方法（最初在存储过程中使用WHILE循环）：

CREATE MULTISET VOLATILE TABLE vt_tmp, NO Log  AS
 (
  SELECT group_id, category_1, category_2, 
     -- assign a unique number to 
     Dense_Rank() Over (ORDER BY group_id, category_1) AS rnk

  -- remove when you source data is unique
  GROUP BY 1,2,3 -- same result as a DISTINCT, but processed before DENSE_RANK
  FROM match_detail 
 )
WITH DATA
PRIMARY INDEX (category_2)
ON COMMIT PRESERVE ROWS;

现在重复以下更新，直到0 rows processed：

-- find matching categories and assign them a common number    
UPDATE vt_tmp FROM
 ( SELECT e2.group_id, e2.category_1, Min(e1.rnk) AS minrnk
   FROM vt_tmp e1 JOIN vt_tmp e2
   ON e1.category_2 = e2.category_2
   AND e1.rnk < e2.rnk
   GROUP BY e2.group_id, e2.category_1
 ) x
SET rnk = minrnk
WHERE 
  vt_tmp.group_id = x.group_id
AND vt_tmp.category_1 = x.category_1
;

要获得相关类别，您最终需要：

SELECT group_id, category_1 AS category, rnk AS related_categories
FROM vt_tmp
UNION
SELECT group_id, category_2, rnk 
FROM vt_tmp

为了与您的预期结果完全匹配，您需要添加一个DENSE_RANK：

SELECT group_id, category, Dense_Rank() Over (PARTITION BY group_id ORDER BY related_categories)
FROM
 (
   SELECT group_id, category_1 AS category, rnk AS related_categories
   FROM vt_tmp
   UNION
   SELECT group_id, category_2, rnk 
   FROM vt_tmp
 ) AS dt