SQL CTE比较同一表中的行

Question

我有一张桌子，上面有来自不同数据源的客户。 有SSN，License＃和一些唯一的ID，但并非所有来源都具有相同的ID。 我想比较ID列（SSN，License，SystemID）上的记录，如果找到同一个人，则分配一个映射的ID。

我假设我可以使用CTE，但不确定从哪里开始。 仍在尝试学习SQL方式。 任何帮助将不胜感激。 谢谢。

该表的外观如下：

Source|RowID|SSN |License|SystemID
A     |1    |SSN1|Lic111 |
A     |2    |    |       |Sys666
B     |3    |SSN2|       |Sys777
C     |4    |SSN1|       |
D     |5    |    |Lic333 |
D     |6    |    |Lic333 |Sys666
E     |7    |    |       |Sys777

结果（添加了MapCustomerID）

Source|RowID|SSN |License|SystemID|MapCustomerID
A     |1    |SSN1|Lic111 |        |1
A     |2    |    |       |Sys666  |2
B     |3    |SSN2|       |Sys777  |3
C     |4    |SSN1|       |        |1
D     |5    |    |Lic999 |        |4
D     |6    |    |Lic333 |Sys666  |2
E     |7    |    |       |Sys777  |3

Answer 1

这可能是解决问题的“足够好”的方法。

沿着这三个维度中的每一个，找到该维度的最小行ID（对NULL进行特殊处理）。 然后，总的客户标识符是这三个ID中的最小值。 要使其连续无间隙，请使用dense_rank() 。

with ids as (
      select t.*,
             (case when SSN is not null
                   then min(RowId) over (partition by SSN)
              end) as SSN_id,
             (case when License is not null
                   then min(RowId) over (partition by License)
              end) as License_id,
             (case when SystemId is not null
                   then min(RowId) over (partition by SystemId)
              end)as SystemId_id
      from t
     ),
     leastid as (
      select ids.*,
             (case when SSN_Id <= coalesce(License_Id, SSN_Id) and
                        SSN_Id <= coalesce(SystemId_id, SSN_Id)
                   then SSN_Id
                   when License_Id <= coalesce(SystemId_id, License_Id)
                   then License_Id
                   else SystemId_id
              end) as LeastId
      from ids
     )
select Source, RowID, SSN, License, SystemID,
       dense_rank(LeastId) over (order by LeastId) as MapCustomerId
from LeastIds;

这不是一个完整的解决方案，但适用于您的数据。 在以下情况下不起作用：

A     |1    |SSN1|Lic111 |        |1
A     |2    |SSN1|       |Sys666  |2
A     |3    |    |       |Sys666  |2

因为这需要两个“跃点”。

过去遇到这种情况时，我在表中创建了额外的列，并反复使用update以获取不同维度上的最小id。 这样的迭代可以快速连接不同的部分。 编写递归CTE可能会做同样的事情。 但是，上述更简单的解决方案可以解决您的问题。

编辑：

因为我以前曾遇到过此问题，所以我想提出一个单一的查询解决方案（而不是遍历更新）。 使用递归CTE可以做到这一点。 这是似乎有效的代码：

with t as (
    select 'A' as source, 1 as RowId, 'SSN1' as SSN, 'Lic111' as License, 'ABC' as SystemId union all
    select 'A', 2, 'SSN1', NULL, 'Sys666' union all
    select 'A', 3, NULL, NULL, 'Sys666' union all
    select 'A', 4, NULL, 'Lic222', 'Sys666' union all
    select 'A', 5, NULL, 'Lic222', NULL union all
    select 'A', 6, NULL, 'Lic444', NULL
   ),
    first as (
      select t.*,
             (select min(RowId)
              from t t2
              where t2.SSN = t.SSN or
                    t2.License = t.License or
                    t2.SystemId = t.SystemId
             ) as minrowid
      from t
   ),
   cte as (
    select rowid, minrowid
    from first
    union all
    select cte.rowid, first.minrowid
    from cte join
         first
         on cte.minrowid = first.rowid and
            cte.minrowid > first.minrowid
    ),
    lookup as (
      select rowid, min(minrowid) as minrowid,
             dense_rank() over (order by min(minrowid)) as MapCustomerId
      from cte
      group by rowid
    )

select t.*, lookup.MapCustomerId
from t join
     lookup
     on t.rowid = lookup.rowid;