列出包含在其他组中的值组的最佳方法是什么

Question

例如，从这样的表开始：

create table t as 
select 'A' as x, level as y from dual connect by level<=5
union all 
select 'B' as x, level+2 as y from dual connect by level<=5
union all 
select 'C' as x, level as y from dual connect by level<=3
union all 
select 'D' as x, level+2 as y from dual connect by level<=3;

alter table t add primary key (x, y);

select * from t;

X Y                      
- -
A 1                      
A 2                      
A 3                      
A 4                      
A 5                      
B 3                      
B 4                      
B 5                      
B 6                      
B 7                      
C 1                      
C 2                      
C 3                      
D 3                      
D 4                      
D 5         

我如何得到这个：

SUBSET_X SUPERSET_X 
-------- ---------- 
D        A          
C        A          
D        B         

我正在发布我自己的努力作为答案，但想知道是否还有其他一些奇特的方式，也许是分析或我不知道的集合运算符

- 编辑

我的测试数据无意中暗示这些集合总是由连续的整数组成 - 不幸的是，我的真实数据并非如此。

Answer 1

杰克，这与您的第一种方法类似，但有一些差异。

• 它以批量方式进行所有计数，而不是在HAVING子句中进行。HAVING是一个后聚合过滤器，这就是为什么将其粘COUNT在那里很慢的原因。
• 由于 CTE 将工作分解为更小的块，因此更容易阅读。
• 与您的方法一样，它适用于 Oracle 9.2+ 和 SQL Server 2005+ （以及支持CTE的任何其他 RDBMS ）。

如果您一次查询整个表，那么您的索引策略应该没有那么重要，但如果您对特定集感兴趣，我建议您在(x, y)和上都有索引(y, x)。

不管怎样，这个查询应该运行得非常快：

WITH set_sizes AS (
  SELECT x, COUNT(*) AS set_size  -- "size" is a reserved keyword in Oracle
  FROM t
  GROUP BY x
)
, intersection_sizes AS (
  SELECT 
      sub.x     sub_x
    , super.x   super_x
    , COUNT(*)  intersection_size
  FROM 
                t sub
    INNER JOIN  t super
      ON  sub.y = super.y
      AND sub.x <> super.x
  GROUP BY
      sub.x
    , super.x
)
SELECT xs.sub_x, xs.super_x
FROM 
              set_sizes           ss
  INNER JOIN  intersection_sizes  xs
    ON  ss.x = xs.sub_x
    AND ss.set_size = xs.intersection_size
;

编辑：根据您对大型数据集的测试，看起来这个查询是最快的。