SQL CTE比较同一表中的行

Question

我有一张来自不同数据源的客户的表。有SSN，许可证号和一些唯一的ID，但不是所有的来源都有相同的ID。我想比较ID列（SSN，许可证，SystemID）上的记录，并在找到同一人员时分配映射的ID。

我假设我可以使用CTE，但不知道从哪里开始。仍然试图在SQL中学习我的方式。任何帮助将不胜感激。谢谢。

这是表的外观：

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（加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

这里是什么可能是一个 “足够好” 的方法解决问题。

沿着三个维度的每一个维度，找到该维度的最小行ID（具有特殊的NULL处理）。总体客户标识符是这三个ID中的最小值。为了使其顺序无间隙地使用，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，但它适用于您的数据。它在下列情况下不起作用：

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

因为这需要两个“跳跃”。

当我在过去遇到过这种情况时，我在表格中创建了额外的列，并重复使用update以获得不同维度上的最小ID。这种迭代很快连接不同的部分。写一个递归CTE来做同样的事情可能是可能的。但是，上面更简单的解决方案可能会解决您的问题。

编辑：

因为我之前遇到过这个问题，我想拿出一个查询的解决方案（而不是通过更新迭代）。这可以使用递归CTE。这里是似乎工作的代码：

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;