SQL - 根据其他两列的值创建一个数组答案

【问题标题】：SQL - Create an array based on the values of two other columnsSQL - 根据其他两列的值创建一个数组
【发布时间】：2020-07-04 16:29:20
【问题描述】：

我有以下数据：

-----------------------------------------
| client_id | link_hash_a | link_hash_b |
-----------------------------------------
|     1     |     abc     |     xyz     |
|     2     |     def     |     xyz     |
|     3     |     def     |     uvw     |
-----------------------------------------

我想使用 SQL 创建一个 client_id 数组，该数组与来自列 link_hash_a 和 link_hash_b 的两个哈希值链接。

在当前情况下，结果将是一个值为 {1,2,3} 的唯一数组，因为客户端 1 和 2 与 link_hash_b 列的值 xyz 链接，客户端 2 和 3 与link_hash_a 列的值 def。

有没有办法通过 SQL 查询来做到这一点？非常感谢您的意见。

【问题讨论】：

您使用的是哪种 DBMS 产品？ “SQL”只是一种查询语言，而不是特定数据库产品的名称（而且只有极少数产品真正支持数组）。请为您使用的数据库产品添加tag。 Why should I tag my DBMS
我正在使用 ClickHouse DBMS。它有一个标准的 SQL 语言，也可以处理数组。问题更多是关于使用数据来满足这一需求的方式/策略。由于 PostgreSQL 也适用于数组，如果你有使用 PGSQL 的答案，我会很高兴地接受它；）
不清楚客户端 2 连接到客户端 1 和 3 是否重要（通过哈希 a 连接到客户端 1，通过哈希 b 连接到客户端 3）。如果是，这似乎是一些遍历问题（您将需要递归查询，它可以用 PG 解决，不能告诉 Clickhouse）。如果没有，基于两个 group bys（通过任一哈希列）的简单 SQL 就足够了。
我首先尝试使用两个group by 查询，然后在查询中使用join 将它们的结果放在一个数组中，但我无法拥有完美的@987654334 数组@。我想我已经接近了，但那还不是。
要回答你的问题@TomášZáluský，客户端 2 非常重要，因为事实上他与客户端 3 共享相同的哈希值和哈希值 b，他允许在客户端 1 和客户端 3 之间创建链接。

标签： sql arrays clickhouse

【解决方案1】：

也可以这样使用：

SELECT groupUniqArrayArray(client_ids) client_ids
FROM (
  SELECT link_hash, groupArray(client_id) client_ids
  FROM (
    SELECT DISTINCT client_id, arrayJoin([link_hash_a, link_hash_b]) as link_hash
    FROM (
      /* test data */
      SELECT data.1 client_id, data.2 link_hash_a, data.3 link_hash_b
      FROM (
        SELECT arrayJoin([
          (1, 'abc', 'xyz'),
          (2, 'def', 'xyz'),
          (3, 'def', 'uvw')]) data)))
  GROUP BY link_hash
  HAVING count() = 2)
/* result
┌─client_ids─┐
│ [2,1,3]    │
└────────────┘
*/

【讨论】：

【解决方案2】：

我想我找到了解决办法。我使用了另一列，即客户所属的club_id。在这种情况下，客户端 1、2 和 3 都是 club_id 1 的一部分。

这是我使用 ClickHouse SQL 的代码，并考虑到input_table 是问题中显示的数据表：

SELECT club_id, arrayConcat( clt_a, clt_b ) as tot_clt_arr, arrayUniq( arrayConcat( clt_a, clt_b ) ) as tot_clt
FROM
(
    SELECT club_id, clt_a
    FROM
        (
        SELECT club_id, link_hash_a, groupUniqArray(client_id) as clt_a
        FROM input_table
        GROUP BY club_id, link_hash_a
        )
    WHERE length(clt_a) >= 2
) JOIN
(
    SELECT club_id, clt_b
    FROM
        (
        SELECT club_id, link_hash_b, groupUniqArray(client_id) as clt_b
        FROM input_table
        GROUP BY club_id, link_hash_b
        )
    WHERE length(clt_b) >= 2
)
USING club_id
GROUP BY club_id, tot_clt_arr;

它返回client_id 的数组以及tot_clt 列中唯一client_id 的数量。

感谢@TomášZáluský 的帮助。

【讨论】：