0

我正在构建一个具有多层存储相同数据的数据仓库。中间层中的所有数据都使用开始和结束日期进行版本化，就好像它是第 2 类缓慢变化的维度一样。当我查询这些表时会出现问题。表中的列通常比查询中的多，因此查询中的相邻版本具有不同的开始日期和结束日期，但在其他方面是相同的。我想组合这些版本，以显示查询中的列更改时的日期，而不是表中的行更改时的日期。

我有一些几乎可以工作的 SQL：

create table versions 
(id int
, name varchar(100) Not null
, RowStartDate datetime Not null
, RowEndDate datetime Not null
, primary key (id,RowStartDate)
, check (RowStartDate < RowEndDate));

insert into versions values 
 (1,'A','2014-01-01','9999-12-31')
,(2,'B','2014-01-01','2014-12-31')
,(2,'B','2014-12-31','9999-12-31')
,(3,'C','2014-01-01','2014-12-31')
,(3,'CC','2014-12-31','2015-12-31')
,(3,'CC','2015-12-31','9999-12-31')
,(4,'D','2014-01-01','2014-12-31')
,(4,'DD','2014-12-31','2015-12-31')
,(4,'DD','2015-12-31','2016-12-31')
,(4,'D','2016-12-31','9999-12-31')
,(5,'E','2014-01-01','2014-12-31')
,(5,'E','2014-12-31','2015-12-31')
,(5,'E','2015-12-31','2016-12-31')
,(5,'E','2016-12-31','2017-12-31')
,(5,'E','2017-12-31','9999-12-31')
;

WITH CTE_detect_duplicates AS (SELECT [id]
      ,[name]
      ,[RowStartDate]
      ,[RowEndDate]
      ,LAST_VALUE(RowEndDate) OVER (PARTITION BY id, name ORDER BY RowStartDate, RowEndDate ROWS BETWEEN CURRENT ROW AND UNBOUNDED FOLLOWING) as LastEndDate
      ,rank() OVER (PARTITION BY id, name ORDER BY RowStartDate, RowEndDate) as duplicateNumber
  FROM versions
 )
SELECT [id]
      ,[name]
      ,[RowStartDate]
      ,LastEndDate as RowEndDate
FROM CTE_detect_duplicates
WHERE duplicateNumber = 1

这里的问题是它返回两行 id "4"，而需要三行。实际的：

id 名称 RowStartDate RowEndDate
4 天 2014-01-01 00:00:00.000 9999-12-31 00:00:00.000
4 日 2014-12-31 00:00:00.000 2016-12-31 00:00:00.000
期望：
id 名称 RowStartDate RowEndDate
4 天 2014-01-01 00:00:00.000 2014-12-31 00:00:00.000
4 日 2014-12-31 00:00:00.000 2016-12-31 00:00:00.000
4 天 2016-12-31 00:00:00.000 9999-12-31 00:00:00.000
当值 DD 正确时，值 D 不正确，因此我的查询的第一行 (4,'D') 上的版本日期不正确。

我希望能够在纯 SQL 或内联表值函数中删除这些重复项（我有一个生成器，可以创建执行此操作的多语句表值函数，但生成的函数性能不佳）。有没有人有任何想法？

4

1 回答 1

2

以下包含多个 CTE 的查询会压缩更新的日期范围并删除重复值。

1 根据 RowStartDate 在每个 id 组内分配第一等级。

2 接下来，确定next_rank_no具有相同值的等级范围的最大等级( ) NAME。因此，对于示例数据，id=5 的第 1 行将具有 next_rank_no=5，而 id=4 的第 2 行将具有 next_rank_no=3。此版本仅处理NAME列。如果要处理其他列，它们也必须包含在条件中。例如，如果您想包含一LOCATION列，则连接条件将显示为：

  left join sorted_versions sv2 on sv2.id = sv1.id and sv2.rank_no > sv1.rank_no and sv2.name = sv1.name and sv2.location = sv1.location
  left join sorted_versions sv3 on sv3.id = sv1.id and sv3.rank_no > sv1.rank_no and (sv3.name <> sv1.name or sv3.location <> sv1.location)

3 最后，每个id的第一行被选中。next_rank_no然后，以递归方式选择与 对应的行。

with sorted_versions as --ranks are assigned within each id group
(
  select 
    v1.id,
    v1.name,
    v1.RowStartDate,
    v1.RowEndDate,
    rank() over (partition by v1.id order by v1.RowStartDate) rank_no
  from versions v1
  left join versions v2 on (v1.id = v2.id and v2.RowStartDate = v1.RowEndDate)
),
next_rank as --the maximum rank of the range of ranks which has the same value for NAME
(
  select 
  sv1.id id, sv1.rank_no rank_no, COALESCE(min(sv3.rank_no)-1 , COALESCE(max(sv2.rank_no), sv1.rank_no)) next_rank_no
  from sorted_versions sv1
  left join sorted_versions sv2 on sv2.id = sv1.id and sv2.rank_no > sv1.rank_no and sv2.name = sv1.name
  left join sorted_versions sv3 on sv3.id = sv1.id and sv3.rank_no > sv1.rank_no and sv3.name <> sv1.name
  group by sv1.id, sv1.rank_no
),
versions_cte as --the rowenddate of the "maximum rank" is selected 
(
  select sv.id, sv.name, sv.rowstartdate, sv3.rowenddate, nr.next_rank_no rank_no
  from sorted_versions sv
  inner join next_rank nr on sv.id = nr.id and sv.rank_no = nr.rank_no and sv.rank_no = 1
  inner join sorted_versions sv3 on nr.id = sv3.id and nr.next_rank_no = sv3.rank_no  
  union all
  select
    sv2.id,
    sv2.name, 
    sv2.rowstartdate,
    sv3.rowenddate,
    nr.next_rank_no
  from versions_cte vc
  inner join sorted_versions sv2 on sv2.id = vc.id and sv2.rank_no = vc.rank_no + 1
  inner join next_rank nr on sv2.id = nr.id and sv2.rank_no = nr.rank_no  
  inner join sorted_versions sv3 on nr.id = sv3.id and nr.next_rank_no = sv3.rank_no
)
select id, name, rowstartdate, rowenddate
from versions_cte
order by id, rowstartdate;

SQL Fiddle demo

于 2014-07-10T18:56:58.620 回答