用于在两个表之间创建一对一匹配的 SQL 函数？答案

【问题标题】：SQL function to create a one-to-one match between two tables?用于在两个表之间创建一对一匹配的 SQL 函数？
【发布时间】：2019-10-23 07:50:38
【问题描述】：

我正在尝试加入 2 个表。 Table_A 有 ~145k 行，而 Table_B 有 ~205k 行。

它们有两列共同（即 ISIN 和日期）。但是，当我执行此查询时：

SELECT A.*,
       B.column_name

FROM   Table_A
       JOIN
       Table_B ON A.date = B.date

WHERE  A.isin = B.isin

我得到一个超过 147k 行的表。这怎么可能？它不应该返回一个最多包含 ~145k 行的表吗？

【问题讨论】：

不，如果在同一日期存在重复记录并且在您所在的位置，每次加入您将获得 2 行或更多行
不知道你的表结构，但使用日期加入不是很好的做法，如果可能的话，在你的表中使用整数值加入。关于为什么行数比你预期的多，你的表中可能有重复的记录也需要过滤掉。
这是一个常见问题解答。在考虑发布之前，请始终使用谷歌搜索您的错误消息或您的问题/问题/目标的许多清晰、简洁和精确的措辞，有或没有您的特定字符串/名称和站点：stackoverflow.com 和标签，并阅读许多答案。如果您发布问题，请使用一个短语作为标题。请参阅How to Ask 和投票箭头鼠标悬停文本。 PS请在代码问题中给出minimal reproducible example--剪切&粘贴&可运行代码；具有期望和实际输出（包括逐字错误消息）的示例输入（作为初始化代码）；标签和版本；明确的规范和解释。

标签： sql sql-server join

【解决方案1】：

您所看到的表明，对于Table_A 中的某些记录，Table_B 中有几条记录满足连接条件（(date, isin) 元组上的相等性）。

要展示这些记录，您可以：

select B.date, B.isin
from Table_A
join Table_B on A.date = B.date and A.isin = B.isin
group by B.date, B.isin
having count(*) > 1

由您决定如何处理这些重复项。例如：

如果重复项在column_name列中具有不同的值，那么您可以决定提取最大值或最小值
或使用另一列过滤重复项中的顶部或底部记录
如果重复项是真正的重复项，那么您可以在子查询中使用select distinct 在加入之前对它们进行去重
...其他解决方案也是可能的...

【讨论】：

【解决方案2】：

如果您希望每个表 A 有一行，则使用 outer apply:

SELECT A.*,
       B.column_name
FROM Table_A a OUTER APPLY
     (SELECT TOP (1) b.*
      FROM Table_B b
      WHERE A.date = B.date AND A.isin = B.isin
      ORDER BY ?  -- you can specify *which* row you want when there are duplicates
     ) b;

OUTER APPLY 实现横向连接。 TOP (1) 确保最多返回一行。 OUTER（相对于CROSS）确保不会过滤掉任何内容。在这种情况下，您还可以将其表述为相关子查询。

话虽如此，您的数据似乎并不是您真正期望的。您应该弄清楚重复项的来源。开始的地方是：

select b.date, b.isin, count(*)
from tableb b
group by b.date, b.isin
having count(*) >= 2;

这将向您显示重复项，以便您了解如何处理它们。

【讨论】：

【解决方案3】：

已经讨论了重复的可能性。

当在连接中使用数百万条记录时，通常是由于 Cardianility Estimate 不佳，记录返回不准确。

为此只需更改加入顺序，

SELECT A.*,
       B.column_name
FROM   Table_A
       JOIN
       Table_B ON A.isin = B.isin 
    and
A.date = B.date

同时在两个表上创建非聚集索引。

Create NonClustered index isin_date_table_A on Table_A(isin,date)include(*Table_A)

*Table_A= 结果集中需要的逗号分隔列表 Table_A 列

Create NonClustered index isin_date_table_B on Table_B(isin,date)include(column_nameA)

Update STATISTICS Table_A

Update STATISTICS Table_B

【讨论】：

【解决方案4】：

在 JOIN 条件中保持两个表的 DATE 列格式相同，您应该会得到预期的结果。

Select A.*, B.column_name
from Table_A
join Table_B on to_date(a.date,'DD-MON-YY')  = to_date(b.date,'DD-MON-YY') 
 where A.isin = B.isin

【讨论】：