MS SQL 服务器 - 匹配表及其不相关的记录

Question

这可能比我想象的更常见，但几个月来我一直在努力解决这个问题，但完全失败了。

两个 table 由完全不相关的系统提供相同的东西。但是他们对这些东西使用不同的标识符，我想找到一种方法将这些 tables 合并到一个中，其中 A 中的每个记录都将匹配它在 B 中的 "most equivalent" 记录。

两个数据库看起来都是这样的：

A.sessionID     A.itemSeq   A.dateSessionStart
1870            32          2017-12-20 16:00:00     
1871            55          2017-12-23 17:00:00
1871            56          2017-12-23 17:00:00
1871            57          2017-12-23 17:00:00
1873            24          2018-01-05 15:00:00
1873            25          2018-01-05 15:00:00
1878            36          2018-01-12 15:30:00



B.sessionID     B.itemID    B.dateItem
520             1           2017-12-20 16:04:32     
522             1           2017-12-23 17:15:04
522             2           2017-12-23 17:32:26

523             2           2018-01-05 15:41:06
523             3           2018-01-05 16:02:21
524             1           2018-01-12 15:37:55

这是table/view的一部分，我想获得：

A.sessionID     B.sessionID     A.itemSeq       B.itemID        A.dateSessionStart      B.dateItem
1870            520             32              1               2017-12-20 16:00:00     2017-12-20 16:04:32 
1871            522             55              1               2017-12-23 17:00:00     2017-12-23 17:15:04
1871            522             56              2               2017-12-23 17:00:00     2017-12-23 17:32:04
1871            522             57              NULL            2017-12-23 17:00:00     NULL
1873            523             24              2               2018-01-05 15:00:00     2018-01-05 15:41:06
1873            523             25              3               2018-01-05 15:00:00     2018-01-05 16:02:21
1878            524             36              1               2018-01-12 15:30:00     2018-01-12 15:37:55

似乎每个 table 中的日期和顺序可能允许一种相似的关系。然而：

不能保证 B 中有足够的记录来匹配 A 中的记录，反之亦然。这就是我试图通过 2018-12-23 在 B 中丢失的第三条记录来展示的内容。 A中也有一些"missing records"。实际上，两个 table 都有绝对疯狂日期的记录（我猜是免费输入）。
两者 table 都以某种方式使用顺序 ID，但规则不同。

我会将我在 SQL 查询中的知识描述为基础到中级。我试图在 SELECT 下创建一个子查询，通过 DATEDIFF 在两个 table 的日期时间之间进行匹配，在我所有的 SQL 书中寻找一个例子，在这里寻找类似的问题...但到目前为止我还没有成功。

谢谢！

法布里西奥·罗查

巴西利亚，巴西

Answer 1

您遇到的问题是您已将所有这些数据加载到关系数据库管理系统中；通过在 tables

之间明确定义关系来工作的设备

而且你们之间没有明确的关系

据我所知，你断言 "the order of the items from the sequence IDs is roughly the same from each system, and the times are approximately the same"

好吧，让我们假设这些系统都注意到播客何时出现，并且其中一个系统的时钟出现故障，该时钟仅报告小时，但除此之外，它是一个保持时间的工作时钟

看起来 B 的时钟比 A 的时钟快大约 3 分钟，因为您断言 b 的 16:02 等同于 a 的 15:00，但是 16:04 来自b 等同于 A

的 16:00

让我们把这些数据变成相关的东西table:

SELECT * FROM
(
  SELECT
    dateSessionStart,
    ROW_NUMBER() OVER(PARTITION BY dateSessionStart ORDER BY sessionId, itemSeq) rn
  FROM a
) a
FULL OUTER JOIN
(
  SELECT
    DATE_ADD(hour, HOUR(adj), CAST(CAST(adj as DATE) as DATETIME)) as dateSessionStart,
    ROW_NUMBER() OVER(PARTITION BY CAST(adj as DATE), HOUR(adj) ORDER BY sessionid, itemid) rn
  FROM(SELECT *, DATEADD(minute, -3, dateItem) adj FROM b) b
) b
ON a.dateSessionStart = b.dateSessionStart and a.rn = b.rn

如果您想要更多详细信息运行孤立的子查询，但基本上此查询将 b 记录的时间调整为 3 分钟，然后通过仅添加时间的小时来去除分钟和秒到日期（午夜）

单独但使用这些调整后的小时精度时间，使用 row_number 建立递增计数器。每次小时更改时，计数器都会从 1 重新开始。计数器按其他顺序 ID 的顺序递增。因此我们不关心序列 id 是否相等，我们只是使用它们来定义制作伪连接键的顺序。加入关系是建立在小时精确时间加上重新启动计数器

请注意，ghisb 是在未经测试的手机上编写的 - 可能存在小 typos/syntax 错误、缺少括号等 - 让我知道你在运行安装它时遇到的任何错误，我可以提供帮助出去了，但我今天很忙，所以请随意尝试一下，如果你修复了它们，建议修改我的答案

分区并不难；将它们视为自动连接回主数据的单独分组查询：

SELECT name, age, city, AVG(age) OVER(PARTITION BY city) FROM t

SELECT name, age, city, avgagecity 
FROM
  t
  INNER JOIN
  (SELECT city, AVG(age) as avgagecity FROM t GROUP BY city) c on c.city = t.city

以上两个查询在概念上是相同的；在一个中，我们按城市分组并平均年龄，然后将其加入主 table。瞧

另一个我们要求数据库按城市划分数据，平均年龄。数据库将隐式自动加入其 city:avgage 桶。当 t.city 是 "San Fran" 时，数据库会进入它的城市桶，寻找 san f运行，拉出平均年龄，将它贴在行

上

这里的 PARTITION BY 实际上是 GROUP BY x JOIN x

对于顺序很重要的事情，比如 row_number，一个 ORDER BY 是必要的，原因很明显。在这些类型的查询中，PARTITION BY 用于划分结果，但请注意，没有任何分组，因为 row_number 不是聚合操作。在有序操作（根本不需要分区）中，任何分区都指定何时重新开始，就好像数据在一个新的计数组中一样。其他几个常见的有序操作是 RANK 和 DENSE_RANK。像行号一样，但它们指的是获胜位置，因此值相等（一场比赛是运行，一个人在 3:59 中赢得了一英里，然后两个人在 4 分钟内运行一英里。他们是运行ked equal 2nd. 如果有人并列，RANK 跳过数字，所以 1st，等于 2nd 2nd，4th（没有第 3 名，因为并列第 2 名而被跳过。如果 3 个人并列， 4 第 4 名将跳过等）。DENSE_RANK 不会跳过

MS SQL 服务器 - 匹配表及其不相关的记录

MS SQL Server - Match tables and their unrelated records

sql

sql-server

sql-server-2008