DB2 将唯一的列值连接成一行，以逗号分隔
DB2 concatenate unique column values into one row, comma seperated
两个表：
Parts Table:
Part_Number Load_Date TQTY
m-123 19940102 32
1234Cf 20010809 3
wf9-2 20160421 14
Locations Table:
PartNo Condition Location QTY
m-123 U A02 2
1234Cf S A02 3
m-123 U B01 1
wf9-2 S A06 7
m-123 S A18 29
wf9-2 U F16 7
Result:
Part_Number Load_Date TQTY U_LOC UQTY S_LOC SQTY
m-123 19940102 32 A02,B01 3 A18 29
1234Cf 20010809 3 A02 3
wf9-2 20160421 14 F16 7 A06 7
我在使用我当前的 DB2 版本找到此问题的解决方案时遇到了麻烦。我不太确定如何找到版本，但它在 AS400 系统上是 运行，而且 DB2 的版本似乎与 OS 版本相关联。使用的盒子：操作系统：i5/OS版本：V5R4M0
（我使用这些建议 Here 尝试了一些命令来获取 DB2 版本，但其中 none 有效，就像大多数人所说的那样）。
关于将多行列数据连接成一行，我看到很多文章都说要使用 XMLAGG 或 xmlserialize， Here and, Here 但我收到一条错误消息，指出命令无法识别。
不知道从哪里开始，因为似乎有解决方案，但我无法使那些已经建议的功能起作用。
编辑：
使用公认的答案和解释，以及示例
HERE通过一个简单的例子来了解递归的基本概念，它是
HERE 使用“SELECT rownumber() over(partition by category)”语句确实有助于将它们整合在一起。一旦我理解了那句话。
我还学会了确保递归中使用的数据尽可能地缩小，然后再与额外的数据结合起来。这使得结果呈指数级增长。 <-- 这看起来很明显，但是当试图弄清楚所有这些时，它并不明显而且我的查询非常慢。一旦我更好地了解了实际发生的情况，就可以更轻松地进行调整以获得真正快速的结果。
不知道 UQTY、S_LOC、SQTY 的规则是什么，但这是您询问的专栏 ---
SELECT
P.Part_Number,
P.Load_Date,
P.TQTY,
LISTAGG(L.Location, ', ') WITHIN GROUP (ORDER BY L.Location) AS U_LOC
FROM "Parts Table" AS P
LEFT JOIN "Locations Table" AS L ON P.Part_Number = L.Part_Number
GROUP BY P.Part_Number, P.Load_Date, P.TQTY
这个比较复杂，所以我会展示我所有的工作：
Table 定义
create table parts
(part_number Varchar(64),
load_date Date,
total_qty Dec(5,0));
create table locations
(part_number Varchar(64),
condition Char(1),
location Char(3),
qty Dec(5,0));
insert into parts
values ('m-123', '1994-01-02', 32),
('1234Cf', '2001-08-09', 3),
('wf9-2', '2016-04-21', 14);
insert into locations
values ('m-123', 'U', 'A02', 2),
('1234Cf', 'S', 'A02', 3),
('m-123', 'U', 'B01', 1),
('wf9-2', 'S', 'A06', 7),
('m-123', 'S', 'A18', 29),
('wf9-2', 'U', 'F16', 7);
查询：
with -- CTE's
-- This collects locations into a comma seperated list
tmp (part_number, condition, location, csv, level) as (
select part_number, condition, min(location),
cast(min(location) as varchar(128)), 1
from locations
group by part_number, condition
union all
select a.part_number, a.condition, b.location,
a.csv || ',' || b.location, a.level + 1
from tmp a
join locations b using (part_number, condition)
where a.csv not like '%' || b.location || '%'
and b.location > a.location),
-- This chooses the correct csv list, and adds quantity for the condition
tmp2 (part_number, condition, csv, qty) as (
select t.part_number, t.condition, t.csv,
(select sum(qty) qty
from locations
where part_number = t.part_number
and condition = t.condition)
from tmp t
where level = (select max(level)
from tmp
where part_number = t.part_number
and condition = t.condition))
-- This is the final select that combines the parts file with
-- the second stage CTE and arranges things horizontally by condition
select p.part_number, p.load_date,
(select sum(qty)
from locations
where part_number = p.part_number) as total_qty,
coalesce(u.csv, '') as u_loc,
coalesce(u.qty, 0) as uqty,
coalesce(s.csv, '') as s_loc,
coalesce(s.qty, 0) as sqty
from parts p
left outer join tmp2 u
on u.part_number = p.part_number and u.condition = 'U'
left outer join tmp2 s
on s.part_number = p.part_number and s.condition = 'S'
order by p.load_date;
EDIT 我不得不在此处添加一些额外的位以支持 part/condition 的两个以上位置，并且我在 CTE 中进行了列命名更一致。好的，让我稍微解释一下，这个问题有 3 个部分，2 个 CTE 和查询，您可以看到这三个部分由注释分隔。第一个 CTE 是递归 CTE。它的目的是生成逗号分隔的位置列表。您应该能够 运行 和 select 本身来查看它的作用。 tmp 是 table 名称，part_number、条件、csv 和级别是列名称。递归 CTE 需要一个 SELECT 来填充 CTE，需要一个 UNION ALL 和一个 SELECT 来填充下一个细节。在这种情况下，启动 SELECT 检索部件号、条件和该组合的第一个位置（按字母顺序）。级别设置为 1。如果您 运行 只是启动 select，您将得到：
part_number condition location csv level
----------- --------- -------- --- -----
1234Cf S A01 A02 1
m-123 S A18 A18 1
m-123 U A02 A02 1
wf9-2 U F16 F16 1
wf9-2 S A06 A06 1
每个 part/condition 记一行。递归 CTE 的剩余部分将填充 csv 中的剩余位置，但它实际上会添加额外的记录，因此我们需要在此处和以后过滤结果。所以记录在添加时被处理。上面列出的第一行与位置文件连接
关于 part_number 和条件。请注意，在启动 select 中，我将第二个 min(location) 转换为 varchar(128)。这为 CSV 列留下了扩展空间。没有这个，它仍然会扩展，但不足以容纳超过 2 个位置。
递归 CTE 中的第二个 select 将逗号和下一个位置连接到 CSV 的末尾。执行此操作的特定位是 a.csv || ',' || b.location。它还会增加级别列。这有助于我们跟踪我们在查询中的位置。最终，具有最高 level 的行就是我们要使用的行。我们还有一种方法可以结束递归，还有一些过滤器可以减少添加到临时结果集中的行数。如果我们有 2 个位置，A02 和 B02，未选中，我们将得到以下行：A02、A02,A02、A02,B02、A02,A02,A02, A02,B02,A02, A02,A02,B02, A02,B02,B02, ... 无穷无尽。反重复过滤器 where a.csv not like '%' || b.location || '%' 足以让两个位置结束递归，并最小化行，如上，对于位置 A02 和 B02，使用反重复过滤器，我们将获取行 A02 和 A02,B02。请注意，返回第一个示例中具有重复位置的其他结果中的 none。添加第三个位置 C02 将产生以下行：A02、A02,B02、A02,C02、A02,B02,C02、A02,C02,B02.这里没有重复，但我们确实有多余的行，并且当您添加位置时，情况会变得更糟。这是我们需要一种方法来检测这些冗余行的地方。由于我们从最低位置编号开始，因此我们始终可以确保添加到 CSV 的位置大于之前添加的位置。为此，我们需要做的就是在结果集中包含一列，指示添加了哪一列（我们可以询问 CSV，但这更难）。这就是为什么我们需要 tmp 中的 location 列。然后我们可以写过滤器b.location > a.location。在上面的 3 个位置示例中，此过滤器阻止行 A02,C02,B02 只留下包含所有三个位置的一行。向位置文件添加三个以上的位置将导致 TMP 中的行数增加更多，但对于每个零件和条件，只有一行包含所有位置，它将包含所有位置升序。
第二个 CTE 做了两件事。首先，它过滤 TMP 以删除除包含给定 part/condition 的所有位置的行以外的所有行。其次，它累加每个 part/condition 的总数量。
执行过滤的位在where子句中：
where level = (select max(level)
from tmp
where part_number = t.part_number
and condition = t.condition))
非常简单。 part/condition累计总数量的位也是一个容易理解的子查询：
(select sum(qty) qty
from locations
where part_number = t.part_number
and condition = t.condition)
这个怪物查询的最后一部分是主要的 select。它将零件文件与第二个 CTE 的结果结合起来形成最终结果集：
select p.part_number, p.load_date,
(select sum(qty) from locations where part_number = p.part_number) as total_qty,
coalesce(u.csv, '') as u_loc, coalesce(u.qty, 0) as uqty,
coalesce(s.csv, '') as s_loc, coalesce(s.qty, 0) as sqty
from parts p
left outer join tmp2 u
on u.part_number = p.part_number and u.condition = 'U'
left outer join tmp2 s
on s.part_number = p.part_number and s.condition = 'S'
order by p.load_date
需要注意的是从 locations table 中检索总量的子查询。您可以在 parts 中使用 tqty 字段，但这可能与 locations table 中的实际数量不同步。此外还有两个左外连接 tmp2，一个用于条件 U，另一个用于条件 S。这些在结果行中构造 Location/Quantity 的水平数组。最后一件事是 coalesce 函数。这些给 null 值（当缺少外部连接的结果时）一个默认值。
编辑结束
最后的结果是：
part_number load_date tqty u_loc uqty s_loc sqty
----------- ---------- ---- ------- ---- ----- ----
m-123 1994-01-02 32 A02,B01 3 A18 29
1234Cf 2001-08-09 3 0 A02 3
wf9-2 2016-04-21 14 F16 7 A06 7
注意 XMLAGG 和 XMLSERIALIZE 在 DB2 for i v7.1 中可用，LISTAGG 在 DB2 for i v7 中可用。 2.截至 2017 年 8 月 9 日的最新版本是 v7.3。由于您使用的是 v5r4，很可能您不仅需要软件，还需要硬件升级才能获得最新版本。
两个表：
Parts Table:
Part_Number Load_Date TQTY
m-123 19940102 32
1234Cf 20010809 3
wf9-2 20160421 14
Locations Table:
PartNo Condition Location QTY
m-123 U A02 2
1234Cf S A02 3
m-123 U B01 1
wf9-2 S A06 7
m-123 S A18 29
wf9-2 U F16 7
Result:
Part_Number Load_Date TQTY U_LOC UQTY S_LOC SQTY
m-123 19940102 32 A02,B01 3 A18 29
1234Cf 20010809 3 A02 3
wf9-2 20160421 14 F16 7 A06 7
我在使用我当前的 DB2 版本找到此问题的解决方案时遇到了麻烦。我不太确定如何找到版本，但它在 AS400 系统上是 运行，而且 DB2 的版本似乎与 OS 版本相关联。使用的盒子：操作系统：i5/OS版本：V5R4M0 （我使用这些建议 Here 尝试了一些命令来获取 DB2 版本，但其中 none 有效，就像大多数人所说的那样）。
关于将多行列数据连接成一行，我看到很多文章都说要使用 XMLAGG 或 xmlserialize， Here and, Here 但我收到一条错误消息，指出命令无法识别。
不知道从哪里开始，因为似乎有解决方案，但我无法使那些已经建议的功能起作用。
编辑：
使用公认的答案和解释，以及示例
HERE通过一个简单的例子来了解递归的基本概念，它是
HERE 使用“SELECT rownumber() over(partition by category)”语句确实有助于将它们整合在一起。一旦我理解了那句话。
我还学会了确保递归中使用的数据尽可能地缩小，然后再与额外的数据结合起来。这使得结果呈指数级增长。 <-- 这看起来很明显，但是当试图弄清楚所有这些时，它并不明显而且我的查询非常慢。一旦我更好地了解了实际发生的情况，就可以更轻松地进行调整以获得真正快速的结果。
不知道 UQTY、S_LOC、SQTY 的规则是什么，但这是您询问的专栏 ---
SELECT
P.Part_Number,
P.Load_Date,
P.TQTY,
LISTAGG(L.Location, ', ') WITHIN GROUP (ORDER BY L.Location) AS U_LOC
FROM "Parts Table" AS P
LEFT JOIN "Locations Table" AS L ON P.Part_Number = L.Part_Number
GROUP BY P.Part_Number, P.Load_Date, P.TQTY
这个比较复杂，所以我会展示我所有的工作：
Table 定义
create table parts
(part_number Varchar(64),
load_date Date,
total_qty Dec(5,0));
create table locations
(part_number Varchar(64),
condition Char(1),
location Char(3),
qty Dec(5,0));
insert into parts
values ('m-123', '1994-01-02', 32),
('1234Cf', '2001-08-09', 3),
('wf9-2', '2016-04-21', 14);
insert into locations
values ('m-123', 'U', 'A02', 2),
('1234Cf', 'S', 'A02', 3),
('m-123', 'U', 'B01', 1),
('wf9-2', 'S', 'A06', 7),
('m-123', 'S', 'A18', 29),
('wf9-2', 'U', 'F16', 7);
查询：
with -- CTE's
-- This collects locations into a comma seperated list
tmp (part_number, condition, location, csv, level) as (
select part_number, condition, min(location),
cast(min(location) as varchar(128)), 1
from locations
group by part_number, condition
union all
select a.part_number, a.condition, b.location,
a.csv || ',' || b.location, a.level + 1
from tmp a
join locations b using (part_number, condition)
where a.csv not like '%' || b.location || '%'
and b.location > a.location),
-- This chooses the correct csv list, and adds quantity for the condition
tmp2 (part_number, condition, csv, qty) as (
select t.part_number, t.condition, t.csv,
(select sum(qty) qty
from locations
where part_number = t.part_number
and condition = t.condition)
from tmp t
where level = (select max(level)
from tmp
where part_number = t.part_number
and condition = t.condition))
-- This is the final select that combines the parts file with
-- the second stage CTE and arranges things horizontally by condition
select p.part_number, p.load_date,
(select sum(qty)
from locations
where part_number = p.part_number) as total_qty,
coalesce(u.csv, '') as u_loc,
coalesce(u.qty, 0) as uqty,
coalesce(s.csv, '') as s_loc,
coalesce(s.qty, 0) as sqty
from parts p
left outer join tmp2 u
on u.part_number = p.part_number and u.condition = 'U'
left outer join tmp2 s
on s.part_number = p.part_number and s.condition = 'S'
order by p.load_date;
EDIT 我不得不在此处添加一些额外的位以支持 part/condition 的两个以上位置，并且我在 CTE 中进行了列命名更一致。好的，让我稍微解释一下，这个问题有 3 个部分，2 个 CTE 和查询，您可以看到这三个部分由注释分隔。第一个 CTE 是递归 CTE。它的目的是生成逗号分隔的位置列表。您应该能够 运行 和 select 本身来查看它的作用。 tmp 是 table 名称，part_number、条件、csv 和级别是列名称。递归 CTE 需要一个 SELECT 来填充 CTE，需要一个 UNION ALL 和一个 SELECT 来填充下一个细节。在这种情况下，启动 SELECT 检索部件号、条件和该组合的第一个位置（按字母顺序）。级别设置为 1。如果您 运行 只是启动 select，您将得到：
part_number condition location csv level
----------- --------- -------- --- -----
1234Cf S A01 A02 1
m-123 S A18 A18 1
m-123 U A02 A02 1
wf9-2 U F16 F16 1
wf9-2 S A06 A06 1
每个 part/condition 记一行。递归 CTE 的剩余部分将填充 csv 中的剩余位置，但它实际上会添加额外的记录，因此我们需要在此处和以后过滤结果。所以记录在添加时被处理。上面列出的第一行与位置文件连接
关于 part_number 和条件。请注意，在启动 select 中，我将第二个 min(location) 转换为 varchar(128)。这为 CSV 列留下了扩展空间。没有这个，它仍然会扩展，但不足以容纳超过 2 个位置。
递归 CTE 中的第二个 select 将逗号和下一个位置连接到 CSV 的末尾。执行此操作的特定位是 a.csv || ',' || b.location。它还会增加级别列。这有助于我们跟踪我们在查询中的位置。最终，具有最高 level 的行就是我们要使用的行。我们还有一种方法可以结束递归，还有一些过滤器可以减少添加到临时结果集中的行数。如果我们有 2 个位置，A02 和 B02，未选中，我们将得到以下行：A02、A02,A02、A02,B02、A02,A02,A02, A02,B02,A02, A02,A02,B02, A02,B02,B02, ... 无穷无尽。反重复过滤器 where a.csv not like '%' || b.location || '%' 足以让两个位置结束递归，并最小化行，如上，对于位置 A02 和 B02，使用反重复过滤器，我们将获取行 A02 和 A02,B02。请注意，返回第一个示例中具有重复位置的其他结果中的 none。添加第三个位置 C02 将产生以下行：A02、A02,B02、A02,C02、A02,B02,C02、A02,C02,B02.这里没有重复，但我们确实有多余的行，并且当您添加位置时，情况会变得更糟。这是我们需要一种方法来检测这些冗余行的地方。由于我们从最低位置编号开始，因此我们始终可以确保添加到 CSV 的位置大于之前添加的位置。为此，我们需要做的就是在结果集中包含一列，指示添加了哪一列（我们可以询问 CSV，但这更难）。这就是为什么我们需要 tmp 中的 location 列。然后我们可以写过滤器b.location > a.location。在上面的 3 个位置示例中，此过滤器阻止行 A02,C02,B02 只留下包含所有三个位置的一行。向位置文件添加三个以上的位置将导致 TMP 中的行数增加更多，但对于每个零件和条件，只有一行包含所有位置，它将包含所有位置升序。
第二个 CTE 做了两件事。首先，它过滤 TMP 以删除除包含给定 part/condition 的所有位置的行以外的所有行。其次，它累加每个 part/condition 的总数量。
执行过滤的位在where子句中：
where level = (select max(level)
from tmp
where part_number = t.part_number
and condition = t.condition))
非常简单。 part/condition累计总数量的位也是一个容易理解的子查询：
(select sum(qty) qty
from locations
where part_number = t.part_number
and condition = t.condition)
这个怪物查询的最后一部分是主要的 select。它将零件文件与第二个 CTE 的结果结合起来形成最终结果集：
select p.part_number, p.load_date,
(select sum(qty) from locations where part_number = p.part_number) as total_qty,
coalesce(u.csv, '') as u_loc, coalesce(u.qty, 0) as uqty,
coalesce(s.csv, '') as s_loc, coalesce(s.qty, 0) as sqty
from parts p
left outer join tmp2 u
on u.part_number = p.part_number and u.condition = 'U'
left outer join tmp2 s
on s.part_number = p.part_number and s.condition = 'S'
order by p.load_date
需要注意的是从 locations table 中检索总量的子查询。您可以在 parts 中使用 tqty 字段，但这可能与 locations table 中的实际数量不同步。此外还有两个左外连接 tmp2，一个用于条件 U，另一个用于条件 S。这些在结果行中构造 Location/Quantity 的水平数组。最后一件事是 coalesce 函数。这些给 null 值（当缺少外部连接的结果时）一个默认值。
编辑结束
最后的结果是：
part_number load_date tqty u_loc uqty s_loc sqty
----------- ---------- ---- ------- ---- ----- ----
m-123 1994-01-02 32 A02,B01 3 A18 29
1234Cf 2001-08-09 3 0 A02 3
wf9-2 2016-04-21 14 F16 7 A06 7
注意 XMLAGG 和 XMLSERIALIZE 在 DB2 for i v7.1 中可用，LISTAGG 在 DB2 for i v7 中可用。 2.截至 2017 年 8 月 9 日的最新版本是 v7.3。由于您使用的是 v5r4，很可能您不仅需要软件，还需要硬件升级才能获得最新版本。