标识表中的特定记录序列

Question

假设一个包含 TransactionId、ItemId、Code、EffectiveDate 和 CreateDate 字段的表。

+---------------+--------+------+------ -+------------------+ |交易ID |项目 ID |代码 |生效日期 |创建日期 | +---------------+--------+------+------ -+------------------+ | 1| 1| 8| 2009 年 12 月 2 日下午 1:13| 2009 年 12 月 2 日下午 1:13| +---------------+--------+------+------ -+------------------+ | 4| 1| 51|2009 年 12 月 2 日上午 11:08| 2009 年 12 月 3 日上午 9:01| +---------------+--------+------+------ -+------------------+ | 2| 1| 14|2009 年 12 月 2 日上午 11:09|2009 年 12 月 2 日上午 11:09| +---------------+--------+------+------ -+------------------+ | 3| 1| 61| 2009 年 12 月 3 日上午 8:33| 2009 年 12 月 3 日上午 8:33| +---------------+--------+------+------ -+------------------+ | 5| 1| 28| 2009 年 12 月 3 日上午 9:33| 2009 年 12 月 3 日上午 9:33| +---------------+--------+------+------ -+------------------+ | 6| 1| 9| 2009 年 12 月 3 日下午 1:58| 2009 年 12 月 3 日下午 1:58| +---------------+--------+------+------ -+------------------+

我需要获取给定 ItemId 出现序列 51、61、9 的记录集，按 EffectiveDate 排序。这些记录之间可能有其他记录，其中包含其他代码。

在这种情况下，我将返回 TransactionId 的 4、3 和 6，如下所示。

+---------------+--------+------+------ -+------------------+ |交易ID |项目 ID |代码 |生效日期 |创建日期 | +---------------+--------+------+------ -+------------------+ | 4| 1| 51|2009 年 12 月 2 日上午 11:08| 2009 年 12 月 3 日上午 9:01| +---------------+--------+------+------ -+------------------+ | 3| 1| 61| 2009 年 12 月 3 日上午 8:33| 2009 年 12 月 3 日上午 8:33| +---------------+--------+------+------ -+------------------+ | 6| 1| 9| 2009 年 12 月 3 日下午 1:58| 2009 年 12 月 3 日下午 1:58| +---------------+--------+------+------ -+------------------+

注意：

• 这不是我需要确定的唯一序列，但它说明了问题。
• 记录可以乱序插入到表中；也就是说，可以先插入 61 记录，然后是 51，然后是 9。您可以在示例中看到这一点，其中代码 51 记录的 CreateDate 晚于 EffectiveDate。
• 序列的顺序很重要。因此，序列 61、9、51 不会返回任何记录，但 51、61、9 会。

如果 DB 方法简单（即没有游标或过于复杂的存储过程），则它是理想的选择，但代码方法也可以工作，尽管它会导致大量数据从 DB 传输出来。

环境为 SQL Server 2005 和 C#/.NET 3.5。

Answer 1

实际上，您可以利用ranking/windowing functions 和/或CTEs 和recursive CTEs 获得一些相当简单的解决方案。

创建一个过程，该过程接受一个基于字符的逗号分隔的 Code 值列表，该列表以您希望它们的顺序查找 - 使用由序列和 Code 值组成的 dozen possible ways to split this list into a table/set 中的任何一个，结果在具有如下结构的表中：

declare @sequence table (sequence int not null, Code int not null);

一旦您有了这个，只需将已排序的表与给定 ItemId 的相同代码值上的源表连接起来，对源集进行排序即可 - 一旦您对源集进行了过滤和排序，您就可以简单地根据匹配的序列值再次加入 - 这听起来很复杂，但实际上它会是这样的单个查询：

with srcData as (
    select  row_number() over(order by t.EffectiveDate) as rn,
            t.TransactionId, t.ItemId, t.Code, t.EffectiveDate, t.CreateDate
    from    #TableName t
    join    @sequence s
    on      t.Code = s.Code
    where   t.ItemId = @item_id
)
select  d.TransactionId, d.ItemId, d.Code, d.EffectiveDate, d.CreateDate
from    srcData d
join    @sequence s
on      d.rn = s.sequence
and     d.Code = s.Code
order by d.rn;

仅此一项并不能保证您获得的结果集与您正在寻找的结果集相同，但是将数据暂存到临时表中并在代码周围添加一些简单的检查就可以解决问题（例如，添加校验和验证和代码值的总和）

declare @tempData table (rn int, TransactionId smallint, ItemId smallint, Code smallint, EffectiveDate datetime, CreateDate datetime);

with srcData as (
    select  row_number() over(order by t.EffectiveDate) as rn,
            t.TransactionId, t.ItemId, t.Code, t.EffectiveDate, t.CreateDate
    from    #TableName t
    join    @sequence s
    on      t.Code = s.Code
    where   t.ItemId = @item_id
)
insert  @tempData
        (rn, TransactionId, ItemId, Code, EffectiveDate, CreateDate)
select  d.rn, d.TransactionId, d.ItemId, d.Code, d.EffectiveDate, d.CreateDate
from    srcData d
join    @sequence s
on      d.rn = s.sequence
and     d.Code = s.Code;

-- Verify we have matching hash/sums    
if
(
    ( (select sum(Code) from @sequence) = (select sum(Code) from @tempData) )
    and
    ( (select checksum_agg(checksum(sequence, Code)) from @sequence) = (select checksum_agg(checksum(rn, Code)) from @tempData) )
)
begin;
    -- Match - return the resultset
    select  d.TransactionId, d.ItemId, d.Code, d.EffectiveDate, d.CreateDate
    from    @tempData d
    order by d.rn;

end;

如果您想全部内联，您可以使用不同的方法利用 CTE 和递归来执行运行总和/总计和类似 OrdPath 的比较（尽管您仍然需要解析序列字符数据进入数据集）

-- Sequence data with running total
with sequenceWithRunningTotal as
(
    -- Anchor
    select  s.sequence, s.Code, s.Code as runningTotal, cast(s.Code as varchar(8000)) as pth,
            sum(s.Code) over(partition by 1) as sumCode
    from    @sequence s
    where   s.sequence = 1
    -- Recurse
    union all
    select  s.sequence, s.Code, b.runningTotal + s.Code as runningTotal,
            b.pth + '.' + cast(s.Code as varchar(8000)) as pth,
            b.sumCode as sumCode
    from    @sequence s
    join    sequenceWithRunningTotal b
    on      s.sequence = b.sequence + 1
),
-- Source data with sequence value
srcData as 
(
    select  row_number() over(order by t.EffectiveDate) as rn,
            t.TransactionId, t.ItemId, t.Code, t.EffectiveDate, t.CreateDate,
            sum(t.Code) over(partition by 1) as sumCode
    from    #TableName t
    join    @sequence s
    on      t.Code = s.Code
    where   t.ItemId = @item_id
),
-- Source data with running sum
sourceWithRunningSum as
(
    -- Anchor
    select  t.rn, t.TransactionId, t.ItemId, t.Code, t.EffectiveDate, t.CreateDate,
            t.Code as runningTotal, cast(t.Code as varchar(8000)) as pth,
            t.sumCode
    from    srcData t
    where   t.rn = 1
    -- Recurse
    union all
    select  t.rn, t.TransactionId, t.ItemId, t.Code, t.EffectiveDate, t.CreateDate,
            s.runningTotal + t.Code as runningTotal,
            s.pth + '.' + cast(t.Code as varchar(8000)) as pth,
            t.sumCode
    from    srcData t
    join    sourceWithRunningSum s
    on      t.rn  = s.rn + 1
)
select  d.TransactionId, d.ItemId, d.Code, d.EffectiveDate, d.CreateDate
from    sourceWithRunningSum d
join    sequenceWithRunningTotal s
on      d.rn = s.sequence
and     d.Code = s.Code
and     d.runningTotal = s.runningTotal
and     d.pth = s.pth
and     d.sumCode = s.sumCode
order by d.rn;

Answer 2

如果简单（即没有游标或过于复杂的存储过程），DB 方法是理想的选择

我不相信纯 DB 方法（“纯”意味着仅使用 SQL SELECT）是实用的，因为我设想的 SQL 类型需要非常复杂的自连接、字段连接、MAX() 函数等。这对于 Joe Celko 的“聪明人的 SQL”一书中的一个谜题，SQL 类型可能是一个有趣的学术答案，但我认为这不适合生产代码。

我认为现实的方法是编写某种循环来跟踪状态。一般来说，您的问题与编写代码以对 TCPIP 数据包进行状态检查以进行垃圾邮件过滤或扫描信用卡交易以查找欺诈模式非常相似。所有这些问题都具有相似的特征：您对当前行（记录）执行的操作取决于您之前看到的记录（上下文）......而这方面需要保存状态变量。

如果您想避免往返数据以进行分析，看起来 Transact-SQL 是提高性能的最佳方式。或者使用托管 CLR 来利用 C# 语法，同时仍将处理保留在数据库引擎中。

Answer 3

这只是我的想法，未经测试，因此可能需要一些调整：

SELECT DISTINCT
     T.TransactionID,
     T.ItemID,
     T.Code,
     T.EffectiveDate,
     T.CreateDate
FROM
     My_Table T
INNER JOIN (
     SELECT
          T1.TransactionID,
          T2.TransactionID,
          T3.TransactionID
     FROM
          My_Table T1
     INNER JOIN My_Table T2 ON
          T2.ItemID = T1.ItemID AND
          T2.Code = 61 AND
          T2.EffectiveDate > T1.EffectiveDate
     INNER JOIN My_Table T3 ON
          T3.ItemID = T1.ItemID AND
          T3.Code = 9 AND
          T3.EffectiveDate > T2.EffectiveDate
     WHERE
          T1.Code = 51
     ) SQ ON
     SQ.TransactionID = T1.TransactionID OR
     SQ.TransactionID = T2.TransactionID OR
     SQ.TransactionID = T3.TransactionID