雪花中实现sql“JOIN”返回策略的最佳实践

Question

假设我们有两个表执行左连接：

表 1

Joint Key  || Attribute 1 || Attribute 2 || Attribute 3
   A             1               11           21        
   B             2               12           22
   C             3               13           23

表 2

Joint Key  || Attribute 4 || Attribute 5 
   A             31               41      
   A             32               42      
   C             33               43    

通过在“Joint Key”上执行table 1左连接table 2 它将返回两条记录 Joint Key = 'A'

Joint Key  || Attribute 1 || Attribute 2 || Attribute 3 || Attribute 4 || Attribute 5 
   A             1               11           21              31               41    
   A             1               11           21              32               42  

定义返回警察的最佳做法是什么，特别是在雪花中，可以返回与 表 1 相同的行数。

以上面的例子，我希望记录有MAX(Attribute 4)。我想到了两个初步的想法

选项1：使用“GROUP BY”子句——需要显式列出列，处理有很多列的表时很麻烦。

选项 2：类似

select * from (
  select 
    Tabel1.*
    max(Table2.Attribute_4) as mx_Attribute_4,
    Table2.Attribute_5
 from Table1
 left join Table2
 on Joint_Key
) as temp
where temp.Attribute_4 = temp.mx_Attribute_4

这也相当复杂和耗时。

还有其他建议吗？

Answer 1

你可以使用QUALIFY

类似：

select
    t1.Joint_key, t1.Attribute_1, t1.Attribute_2, t1.Attribute_3, t2.Attribute_4, t2.Attribute_5
from Table1 t1
left join Table2 t2
    on t1.Joint_key = t2.Joint_key
qualify row_number() over(partition by Joint_Key order by Attribute_4 desc) = 1

这当然更干净，应该比 group by 更有效率。它仍然需要查询来按 Attribute_4 对记录进行排序，但我看不到避免这种情况的方法，除非您可以使用任何一组值而不是具有 MAX(Attribute_4) 的值集。在这种情况下，您可以通过在 row_number() 窗口函数中使用 order by 1 来提高效率。

Answer 2

您似乎对连接的工作方式有些困惑。如果您有 Table1 left join Table2 那么它将返回 Table1 中的所有记录以及来自 Table2 中匹配记录的任何数据 - 所以在您的情况下，您通常会从 Table1 中获取 3 条记录。

但是，在您的情况下，table2 中有 2 条记录与表 1 中的 1 条记录匹配，因此这将重复您的结果，您将获得 4 条记录：2 条带有键 A，然后 1 条带有 B，1 条带有 C。

无论如何，鉴于您提供的示例数据，请用您想要达到的结果更新您的问题，以便有人可以帮助您