如何为多个内部联接编写 SQL 查询？

Question

样本记录：

    Row(user_id='KxGeqg5ccByhaZfQRI4Nnw', gender='male', year='2015', month='September', day='20', 
hour='16', weekday='Sunday', reviewClass='place love back', business_id='S75Lf-Q3bCCckQ3w7mSN2g', 
business_name='Notorious Burgers', city='Scottsdale', categories='Nightlife, American (New), Burgers, 
Comfort Food, Cocktail Bars, Restaurants, Food, Bars, American (Traditional)', user_funny='1', 
review_sentiment='Positive', friend_id='my4q3Sy6Ei45V58N2l8VGw')

该表有超过 1 亿条记录。 我的 SQL 查询正在执行以下操作：

Select the most occurring review_sentiment among the friends (friend_id) and the most occurring gender among friends of a particular user visiting a specific business

friend_id is eventually a user_id

示例场景：

• 一位用户
• 已访问 4 家企业
• 有10个朋友
• 其中 5 位朋友访问了第 1 家和第 2 家公司，而其他 5 位只访问了第 3 家公司，没有人访问过第 4 家公司
• 现在，对于业务 1 和 2，这 5 个朋友对 B1 的积极情绪多于消极情绪，对 B2 的 -ve 情绪多于 +ve，对 B3 的所有 -ve 情绪

我想要以下输出：

**user_id | business_id | friend_common_sentiment | mostCommonGender | .... otherCols**

user_id_1 | business_id_1 | positive | male | .... otherCols
user_id_1 | business_id_2 | negative | female | .... otherCols
user_id_1 | business_id_3 | negative | female | .... otherCols

这是我在pyspark为此编写的一个简单查询：

SELECT user_id, gender, year, month, day, hour, weekday, reviewClass, business_id, business_name, city, 
categories, user_funny, review_sentiment FROM events1 GROUP BY user_id, friend_id, business_id ORDER BY 
COUNT(review_sentiment DESC LIMIT 1

此查询不会给出预期的结果，但我不确定如何将 INNER-JOIN 放入其中？

Answer 1

人类是不是那种数据结构让事情变得困难了。 但是让我们把它分解成几个步骤，

1. 您需要自行加入才能为朋友获取数据
2. 获得朋友的数据后，执行聚合函数以获取每个可能值的计数，按用户和业务分组
3. 子查询上面的内容，以便根据计数在值之间做出决定。

我只是将你的桌子称为“标签”，所以加入如下，遗憾的是就像在现实生活中我们不能假设每个人都有朋友，而且由于你没有指定排除永远孤独的人群，我们需要使用左连接来保持用户没有朋友。

From tags as user
left outer join tags as friends on user.friend_id = friends.user_id
    and friends.business_id = user.business_id

接下来，您必须弄清楚给定用户和业务组合最常见的性别/评论是什么。 这是数据结构真正让我们大吃一惊的地方，我们可以使用一些巧妙的窗口函数一步完成此操作，但我希望这个答案易于理解，因此我将使用子查询和案例声明。 为简单起见，我假设性别是二元的，但根据应用程序的唤醒级别，您可以对其他性别遵循相同的模式。

select user.user_id, user.business_id
, sum(case when friends.gender = 'Male' then 1 else 0 end) as MaleFriends
, sum(case when friends.gender = 'Female' then 1 else 0 end) as FemaleFriends
, sum(case when friends.review_sentiment = 'Positive' then 1 else 0 end) as FriendsPositive
, sum(case when friends.review_sentiment = 'Negative' then 1 else 0 end) as FriendsNegative
From tags as user
left outer join tags as friends on user.friend_id = friends.user_id
  and friends.business_id = user.business_id
where user.business_id = <<your business id here>>
group by user.user_id, user.business_id

现在我们只需要从子查询中获取数据并做出一些决定，您可能想要添加一些额外的选项，例如您可能想要添加选项以防没有朋友，或者朋友在性别/情绪之间平均分配. 与下面相同的模式，但有额外的值可供选择。

select user_id
, business_id
, case when MaleFriends > than FemaleFriends then 'Male' else 'Female' as MostCommonGender
, case when FriendsPositive > FriendsNegative then 'Positive' else 'Negative' as MostCommonSentiment
from (    select user.user_id, user.business_id
, sum(case when friends.gender = 'Male' then 1 else 0 end) as MaleFriends
, sum(case when friends.gender = 'Female' then 1 else 0 end) as FemaleFriends
, sum(case when friends.review_sentiment = 'Positive' then 1 else 0 end) as FriendsPositive
, sum(case when friends.review_sentiment = 'Negative' then 1 else 0 end) as FriendsNegative
From tags as user
left outer join tags as friends on user.friend_id = friends.user_id
  and friends.business_id = user.business_id
where user.business_id = <<your business id here>>
group by user.user_id, user.business_id) as a

这为您提供了要遵循的步骤，并希望清楚地解释它们的工作原理。 祝你好运！