只选择超集

Question

我有两个可以使用以下命令创建的表（以及一个非聚集索引）：

CREATE TABLE GroupTable
(
  GroupKey int NOT NULL PRIMARY KEY, 
  RecordCount int NOT NULL,
  GroupScore float NOT NULL
);

CREATE TABLE RecordTable
(
  RecordKey varchar(10) NOT NULL, 
  GroupKey int NOT NULL,
  PRIMARY KEY(RecordKey, GroupKey)
);

CREATE UNIQUE INDEX ixGroupRecord ON RecordTable(GroupKey, RecordKey);

虽然从技术上讲，我的表略有不同，而且我正在加入其他一些表，但这是适合我的情况的代理。

• 我想选择所有GroupKeys不是另一个GroupKey.
• 对于给定的超集，我想获取其GroupScore所有子集（包括其自身）的最大值。
• 在 aGroupKey包含与RecordKeysanother完全相同的实例中GroupKey(s)，则只GroupKeys抓取其中一个（哪个无关紧要）。
• 任何与另一个GroupKey完全相同的也将具有相同的.RecordKeysGroupKey(s)GroupScore
• 不相关的GroupKeys也可以有相同的分数。

下面是一个例子来说明我在问什么：

CREATE TABLE GroupTable
(
  GroupKey int NOT NULL PRIMARY KEY, 
  RecordCount int NOT NULL,
  GroupScore float NOT NULL
);

CREATE TABLE RecordTable
(
  RecordKey varchar(10) NOT NULL, 
  GroupKey int NOT NULL,
  PRIMARY KEY(RecordKey, GroupKey)
);

CREATE UNIQUE INDEX ixGroupRecord ON RecordTable(GroupKey, RecordKey);

我希望输出如下：

              GroupTable                          RecordTable

GroupKey    RecordCount   GroupScore         RecordKey    GroupKey
------------------------------------         ---------------------
  1              3            6.2                A          1
  29             2            9.8                A          29
  95             3            6.2                A          95
  192            4            7.1                A          192
                                                 B          1
                                                 B          29
                                                 B          95
                                                 B          192
                                                 C          1
                                                 C          95
                                                 D          192
                                                 E          192

GroupTable大约有 75M 行，RecordTable大约有 115M 行；然而，在连接和WHERE谓词之后，在给定的一天往往有大约 20k 行。

如果这个问题微不足道，我深表歉意，但出于某种原因，我真的很挣扎。

Answer 1

我希望输出如下：

 GroupKey    RecordCount    GroupScore
 -------------------------------------
   1              3             9.8
   192            4             7.1

使用相关子查询是获得所需输出的一种方法。

• 在 GroupKey 包含与另一个 GroupKey 完全相同的 RecordKey 的情况下，则仅抓取这些 GroupKey 中的一个（与哪个无关）。

当匹配时，我将返回具有最低 GroupKey 的组，但这是任意的，因为您说这无关紧要。

测试数据：

INSERT INTO RecordTable(RecordKey,GroupKey)
VALUES ('A',1)
     , ('A',29)
     , ('A',95)
     , ('A',192)
     , ('B',1)
     , ('B',29)
     , ('B',95)
     , ('B',192)
     , ('C',1)
     , ('C',95)
     , ('D',192)
     , ('E',192);

INSERT INTO GroupTable(GroupKey,RecordCount,GroupScore)
VALUES (1,3,6.2)     -- ABC
     , (29,2,9.8)    -- AB
     , (95,3,6.2)    -- ABC
     , (192,4,7.1);  -- ABDE
GO

询问：

SELECT GroupKey
     , RecordCount
     , GroupScore = ( SELECT max(GroupScore)
                      FROM GroupTable g2 
                      WHERE ( SELECT count(*)
                              FROM ( SELECT RecordKey
                                     FROM RecordTable
                                     WHERE GroupKey=g1.GroupKey
                                     UNION
                                     SELECT RecordKey
                                     FROM RecordTable
                                     WHERE GroupKey=g2.GroupKey ) z
                            )=g1.RecordCount )
FROM GroupTable g1
WHERE NOT EXISTS ( SELECT *
                   FROM GroupTable g3
                   WHERE ( SELECT count(*)
                           FROM ( SELECT RecordKey
                                  FROM RecordTable 
                                  WHERE GroupKey=g1.GroupKey 
                                  UNION
                                  SELECT RecordKey 
                                  FROM RecordTable 
                                  WHERE GroupKey=g3.GroupKey ) z )=g3.RecordCount
                         AND ( g3.RecordCount>g1.RecordCount 
                               OR ( g3.RecordCount=g1.RecordCount 
                                    AND g3.GroupKey<g1.GroupKey ) ) );
GO

SELECT 中的子查询GroupScore仅从作为此 ('g1') 组子集的那些组中获得最高值。它通过计算RecordKey'g1' 集和每个 'g2' 集的's的 UNION 来实现这一点。如果 UNION 大于 'g1' 集，则RecordKey'g2' 集中必须至少有一个没有对应RecordKey于 'g1' 集的，因此 'g2' 集不是子集，不应考虑这一行。

在 WHERE 子句中，过滤需要考虑两种情况。在任何一种情况下，只有在所有 'g1'RecordKey都存在于 'g3' 集中时，才过滤 'g1 ' 集；这个检查是通过再次计算联合来实现的（根据 SELECT 子句）。

这两种情况是： ? 'g1' 集合的RecordKeys ( g3.RecordCount>g1.RecordCount; 在这种情况下我们过滤)，并且 ? 'g1' 集与 'g3' 集相同（g3.RecordCount=g1.RecordCount在这种情况下，我们任意选择具有较低 的集GroupKey）

输出：

/*
|GroupKey|RecordCount|GroupScore|
|-------:|----------:|---------:|
|       1|          3|       9.8|
|     192|          4|       9.8|
*/

dbfiddle在这里