一个非常复杂的 SQL 查询问题

Question

我有两张桌子...

• 客户
• 客户识别

客户表有 2 个字段

• CustomerId varchar(20)
• Customer_Id_Link varchar(50)

CustomerIdentification 表有 3 个字段

• CustomerId varchar(20)
• Identification_Number varchar(50)
• Personal_ID_Type_Code int -- 是另一个表的外键，但不相关

基本上，Customer 是客户主表（以 CustomerID 作为主键），并且 CustomerIdentification 可以有给定客户的多个标识。换句话说，CustomerIdentification 中的 CustomerId 是 Customer 表的外键。一个客户可以拥有许多身份证明，每个身份都有Identification_Number 和Personal_ID_Type_Code（这是一个整数，告诉您身份证明是护照、犯罪、驾驶执照等）。

现在，客户表有以下数据：Customer_Id_Link此时为空白（空字符串）

CustomerId      Customer_Id_Link
--------------------------------
 'CU-1'         <Blank>
 'CU-2'         <Blank>
 'CU-3'         <Blank>
 'CU-4'         <Blank>
 'CU-5'         <Blank>

和CustomerIdentification表有以下数据：

CustomerId    Identification_Number    Personal_ID_Type_Code
------------------------------------------------------------
'CU-1'        'A'                      1
'CU-1'        'A'                      2
'CU-1'        'A'                      3
'CU-2'        'A'                      1
'CU-2'        'B'                      3
'CU-2'        'C'                      4
'CU-3'        'A'                      1
'CU-3'        'B'                      2
'CU-3'        'C'                      4
'CU-4'        'A'                      1
'CU-4'        'B'                      2
'CU-4'        'B'                      3
'CU-5'        'B'                      3

基本上，多个客户可以在CustomerIdentification 中拥有相同的Identification_Number 和Personal_ID_Type_Code。发生这种情况时，所有 Customer_Id_Link 字段都需要使用一个通用值（可以是 GUID 或其他）进行更新。但对此的处理更为复杂。

规则如下：

用于匹配客户记录之间的 Personal_ID_Type_Code 和 Identification_Number 字段 - 比较上述匹配中所有客户记录的所有其他常见 Personal_ID_Type_Code 字段的 Identification_Number 字段 - 如果为真，则链接客户记录

例如：

为 CU-1、CU-2、CU-3、CU-4 匹配 ID 1 A

• 异常 ID 2 不匹配（CU-1 上的 A 与 CU-3 上的 B）
• 没有完成链接

为 CU-3、CU-4 匹配 ID 2 B

• 没有 ID 不匹配
• 链接 CU-3 和 CU-4（更新 Customer_Id_Link 字段，在客户表中为两者使用一个共同值）

为 CU-1、CU-4 匹配 ID 3 A

• 异常 ID 2 不匹配（A 与 B）
• 没有完成链接

为 CU-2、CU-5 匹配 ID 3 B

• 没有 ID 不匹配
• 链接 CU-2 和 CU-5（更新 Customer_Id_Link 字段，为两者在客户表中使用公共值）匹配 CU-2、CU-3 的 ID 4 C
• CU-2 已链接，将 CU-5 保留到客户链接列表中
• CU-3 已链接，请将 CU-4 保留到客户链接列表中
• 异常 ID 3 不匹配（CU-2 上的 B 与 CU-4 上的 A）
• 未完成链接（保留之前的链接）

任何帮助将不胜感激。这让我醒了两天，我似乎无法找到解决方案。理想情况下，解决方案将是一个存储过程，我可以执行它来进行客户链接。

- SQL Server 2008 R2 标准 64 位

更新-------------------

我知道解释这个问题会很困难，所以我承担了责任。但本质上，我希望能够链接所有具有相同标识号的客户，只有一个客户可以拥有多个标识号。以示例 1. 1 A（1 是 Personal_id_type_code 和 A 是 IdentificationNumber 存在于 4 个不同的客户。CU-1，CU-2，CU-3，CU-4。所以他们可能是同一个客户存在 4 个不同的时间具有不同客户ID的客户表。我们需要将它们与1个共同值联系起来。但是，CU-1还有2个其他标识，如果其中1个与其他3个不同（CU-2，CU-3，CU-4 ) 他们不是同一个客户。因此，带有 Num A 的 ID 2 与 CU-3（其 B）的 ID 2 不匹配，对于 CU-4 也是如此。此外，即使 ID 2 num A 在 CU-2 中不存在, CU-1 的 ID 3 和 num A 与 CU-2 的 ID 3（它的 B）不匹配。因此根本不匹配。

下一个常见的 Id 和 num 是 2-b，它存在于 CU-3 和 CU-4 中。这两个客户实际上是相同的，因为它们都有 ID 1 - A 和 ID 2 - B。ID 4 - C 和 ID 3 - A 无关紧要，因为两个 ID 不同。这实质上意味着该客户有 4 个 ID I A、2 B、4 C 和 3 A。所以现在我们需要将此客户与客户表中的一个共同的唯一值（guid）联系起来。

我希望我现在解释了这个非常复杂的问题。很难解释，因为这是一个非常独特的问题。

Answer 1

我已经稍微改变了你的数据模型，试图让它更明显地发生了什么..

CREATE TABLE [dbo].[Customer]
(
    [CustomerName]      VARCHAR(20)     NOT NULL,
    [CustomerLink]      VARBINARY(20)   NULL
)

CREATE TABLE [dbo].[CustomerIdentification]
(
    [CustomerName]      VARCHAR(20)     NOT NULL,
    [ID]                VARCHAR(50)     NOT NULL,
    [IDType]            VARCHAR(16)     NOT NULL
)

我还添加了一些测试数据..

INSERT  [dbo].[Customer]
        ([CustomerName])
VALUES  ('Fred'),
        ('Bob'),
        ('Vince'),
        ('Tom'),
        ('Alice'),
        ('Matt'),
        ('Dan')

INSERT  [dbo].[CustomerIdentification]
VALUES  
        ('Fred',    'A',    'Passport'),
        ('Fred',    'A',    'SIN'),
        ('Fred',    'A',    'Drivers Licence'),
        ('Bob',     'A',    'Passport'),
        ('Bob',     'B',    'Drivers Licence'),
        ('Bob',     'C',    'Credit Card'),
        ('Vince',   'A',    'Passport'),
        ('Vince',   'B',    'SIN'),
        ('Vince',   'C',    'Credit Card'),
        ('Tom',     'A',    'Passport'),
        ('Tom',     'B',    'SIN'),
        ('Tom',     'B',    'Drivers Licence'),
        ('Alice',   'B',    'Drivers Licence'),
        ('Matt',    'X',    'Drivers Licence'),
        ('Dan',     'X',    'Drivers Licence')

这是你要找的吗：

;WITH [cteNonMatchingIDs] AS (
    -- Pairs where the IDType is the same, but 
    -- name and ID don't match
    SELECT  ci3.[CustomerName] AS [CustomerName1],
            ci4.[CustomerName] AS [CustomerName2]
    FROM [dbo].[CustomerIdentification] ci3
    INNER JOIN [dbo].[CustomerIdentification] ci4
        ON ci3.[IDType] = ci4.[IDType]
    WHERE ci3.[CustomerName] <> ci4.[CustomerName]
    AND ci3.[ID] <> ci4.[ID]
),
[cteMatchedPairs] AS (
    -- Pairs where the IDType and ID match, and
    -- there aren't any non matching IDs for the
    -- CustomerName
    SELECT DISTINCT 
            ci1.[CustomerName] AS [CustomerName1],
            ci2.[CustomerName] AS [CustomerName2]
    FROM [dbo].[CustomerIdentification] ci1
    LEFT JOIN [dbo].[CustomerIdentification] ci2
        ON ci1.[CustomerName] <> ci2.[CustomerName]
        AND ci1.[IDType] = ci2.[IDType] 
    WHERE ci1.[ID] = ISNULL(ci2.[ID], ci1.[ID])
    AND NOT EXISTS (
        SELECT 1
        FROM [cteNonMatchingIDs]
        WHERE ci1.[CustomerName] = [CustomerName1] -- correlated subquery
        AND ci2.[CustomerName] = [CustomerName2]
    )
    AND ci1.[CustomerName] < ci2.[CustomerName]
),
[cteMatchedList] ([CustomerName], [CustomerNameList]) AS (
    -- Turn the matched pairs into list of matching
    -- CustomerNames
    SELECT  [CustomerName1],
            [CustomerNameList]
    FROM (
        SELECT  [CustomerName1],
                CONVERT(VARCHAR(1000), '$'
                 + [CustomerName1] + '$'
                 + [CustomerName2]) AS [CustomerNameList]
        FROM [cteMatchedPairs]
        UNION ALL
        SELECT  [CustomerName2],
                CONVERT(VARCHAR(1000), '$'
                 + [CustomerName2]) AS [CustomerNameList]
        FROM [cteMatchedPairs]
    ) [cteMatchedPairs]
    UNION ALL
    SELECT  [cteMatchedList].[CustomerName],
            CONVERT(VARCHAR(1000),[CustomerNameList] + '$'
             + [cteMatchedPairs].[CustomerName2])
    FROM [cteMatchedList] -- recursive CTE
    INNER JOIN [cteMatchedPairs]
        ON RIGHT([cteMatchedList].[CustomerNameList],
         LEN([cteMatchedPairs].[CustomerName1])
        ) = [cteMatchedPairs].[CustomerName1]
),
[cteSubstringLists] AS (
    SELECT  r1.[CustomerName],
            r2.[CustomerNameList]
    FROM [cteMatchedList] r1
    INNER JOIN [cteMatchedList] r2
        ON r2.[CustomerNameList] LIKE '%' + r1.[CustomerNameList] + '%'
),
[cteCustomerLink] AS (
    SELECT DISTINCT 
            x1.[CustomerName],
            HASHBYTES('SHA1', x2.[CustomerNameList]) AS [CustomerLink]
    FROM (
        SELECT  [CustomerName],
                MAX(LEN([CustomerNameList])) AS [MAX LEN CustomerList]
        FROM [cteSubstringLists]
        GROUP BY [CustomerName]
    ) x1
    INNER JOIN (
        SELECT  [CustomerName],
                LEN([CustomerNameList]) AS [LEN CustomerList], 
                [CustomerNameList]
        FROM [cteSubstringLists]
    ) x2
        ON x1.[MAX LEN CustomerList] = x2.[LEN CustomerList]
        AND x1.[CustomerName] = x2.[CustomerName]
)
UPDATE  c
SET     [CustomerLink] = cl.[CustomerLink]
FROM [dbo].[Customer] c
INNER JOIN [cteCustomerLink] cl
    ON cl.[CustomerName] = c.[CustomerName]


SELECT *
FROM [dbo].[Customer]