如何将大表（1M+）与 Teradata 中的引用表连接起来？

Question

我有以下 2 个表 -
tableA（300 万行；这是“数据表”）
tableB（2300 行；这个是“参考表”）

架构 -
tableA - id、field1、field2、field3、num_of_actual_items、num_of_possible_items
tableB - field1、field2 , field3, num_of_possible_items

背景
tableA 中有 14000 个唯一的 id。
所以 [select count(distinct id) from tableA] 给出 14000 作为答案。

field1, field2 和 field3 有 2300 种可能的组合，所有这些组合及其对应的 num_of_possible_items 都列在 tableB 中。

当 num_of_actual_items 为给定的“field1-field2-field3 时，

tableA 不包含 id 的条目" 组合为 0。这是我要解决的问题。

理想情况下，tableA 应该有 32,200,000 行（14000 ids X 2300 个组合）。我的查询如下：

select A1.id, A1.field1, A1.field2, A1.field3, A1.num_of_actual_items, 
A1.num_of_possible_items
from tableA A1
union
select distinct A2.id, B.field1, B.field2, B.field3, 0 as 
num_of_actual_items, B.num_of_possible_items
from tableA A2, tableB B
where A2.field1 || A2.field2 || A2.field3 <> B.field1 || B.field2 || 
B.field3

上述查询将为每个 id 和对应的 field1-field2-field3 组合提供 2 行（一个用于真实的 num_of_actual_items 和一个用于人为添加的 0 条目） .
在下一步中，可以通过聚合（num_of_actual_items 的最大值）删除重复的行，问题就解决了。

但是，此解决方案仅适用于 tableA 具有 5000-10000 行的情况。当我尝试使用完整的 300 万行时，我收到“假脱机空间不足”错误。

上述查询实际上填充了一个可变表，我在 field1、field2 和 field3 上创建了一个索引，并收集了所有 3 个的统计信息。

有什么想法可以优化/更改如此大量的查询吗？
我正在使用 Teradata。

编辑：我添加了 Andrew（限制不匹配的行）和 dnoeth（仅返回不同的行而不是所有行）的建议，但仍然无济于事。
我一直在用完线轴空间。

Answer 1

联合中的第二个查询是一个 CROSS 连接，它在不同之前产生 2300 * 3000000 行。

您必须在加入前申请distinct：

select A1.id, A1.field1, A1.field2, A1.field3, A1.num_of_actual_items, 
A1.num_of_possible_items
from tableA A1
union ALL
select A2.id, B.field1, B.field2, B.field3, 0 as num_of_actual_items,  
B.num_of_possible_items
from (select distinct id from tableA) A2, tableB B