SQL JOIN 关于多种可能性答案

【问题标题】：SQL JOIN on multiple possibilitiesSQL JOIN 关于多种可能性
【发布时间】：2017-01-16 22:28:56
【问题描述】：

我有一个奇怪的问题要问。我有两个具有多对多关系的表，所以中间有一个桥接表。桥接表现在由以下人员填充：

select
    P.RTPropertyUniqueIdentifier
    , P.ParcelID
    , M.Assessors_Parcel_Identification_Number
    , M.FA_Unique_Listing_Identifier_Ref_ID
    , M.Property_Type
    , M.Property_Address
    , P.AddUnitNum
    , 0 as multiple_flag
    into PP_MLS_BRIDGE
FROM MLS M
join PROPERTY_PARAMETERS P on
    replace(replace(M.Assessors_Parcel_Identification_Number, ' ', ''), '.', '') = P.ParcelID;

这是我的问题。

连接字段为Assessors_Parcel_Identification_Number 和ParcelID。一张表中有超过 1.8 亿条记录，另一张表中有 2000 万条记录。我的问题是这两者可以匹配的方式不止一种：

Assessors_Parcel_Identification_Number = ParcelID
replace(replace(M.Assessors_Parcel_Identification_Number, ' ', ''), '.', '') = ParcelID
replace(replace(replace(M.Assessors_Parcel_Identification_Number, ' ', ''), '.', ''), '_', '') = ParcelID

未来可能还会有更多。

问题是如果我执行join on OR 情况，它的笛卡尔答案。我需要在任何一个条件下进行一对一的加入。如何重组它以便扫描一次，如果在任何条件下存在连接，它就是连接？

谢谢。 .

【问题讨论】：

您在寻找与技术无关的解决方案吗？我已经使用 SQL Server 使用 ROW_NUMBER 解决了类似的问题；按主键对结果进行分区，然后按行号选择第一个结果。不过，对于 2000 万个结果，您可能需要一种不同的方法。
不清楚 - 表是否可以有效地加入，比如这些表示中的 2 个？或者这是一个数据清理练习？我建议您添加一个列（计算或批量加载）来计算正确的连接值，然后只连接该列（另一个优点是您可以索引它）
我认为这样的情况是不可维护的。我会在MLS 表中添加一个名为ParcelId 的列，尽我所能将所有现有的Assessors_Parcel_Identification_Number 转换为有效的ParcelID，并在插入时检查匹配。
我可以看到列的东西，但我仍然会遇到匹配字段的问题。它可能是基于 3 种可能方法中的一种的匹配，这一事实仍然存在。
@Nick.McDermaid 我试图通过尽可能多的匹配将这两个表连接在一起。比赛结果进入桥牌表。我在这里遇到的问题是三个可能关联的连接条件。

标签： sql-server join

【解决方案1】：

我认为解决此问题的两种方法是：

首先，您需要确定它尝试加入的顺序。然后，您需要确定使用 join 的逻辑。最后，在连接的 case 语句中应用该逻辑。

我假设提供的任何连接都不能 100% 使用，并且在生成的连接中应该是相同的。

    JOIN PROPERTY_PARAMETERS P ON
    ParcelID = CASE
        WHEN Assessors_Parcel_Identification_Number IS NOT NULL THEN Assessors_Parcel_Identification_Number 
        WHEN TRY_CAST(replace(replace(M.Assessors_Parcel_Identification_Number, ' ', ''), '.', '') AS INT) IS NOT NULL THEN TRY_CAST(replace(replace(M.Assessors_Parcel_Identification_Number, ' ', ''), '.', '') AS INT) = ParcelID
        WHEN TRY_CAST(replace(replace(replace(M.Assessors_Parcel_Identification_Number, ' ', ''), '.', ''), '_', '') AS INT) IS NOT NULL THEN TRY_CAST(replace(replace(replace(M.Assessors_Parcel_Identification_Number, ' ', ''), '.', ''), '_', '') AS INT) = ParcelID
        END

另一种选择是加入表 3 次，每次可用的加入一次。然后你可以 isnull(isnull(resulta,resultb),resultc)。

无论如何，这些都不是理想的解决方案，无法在这么大的表中很好地扩展。理想的解决方案是清理数据以提供您可以使用的单个列标识符。

【讨论】：

好的。我尝试了你的建议..我遇到了内存不足异常错误。
您可以尝试在服务器上运行它，但查询会占用您所有的本地内存，并且可能会根据资源影响服务器。是否有可能清理数据以提供单个列标识符？如果没有，您可以尝试测试它限制结果集。
好的。我一直在尝试设置一个专栏，但我不知道该放什么。当我不知道连接需要什么时，我怎么知道需要在那里进行哪些转换？（三种可能）？谢谢