当两者都可能更改时，按公共用户 ID 或事务 ID 对所有行进行分组

Question

上下文是我们有一个 userid 和一个 transactionid，但由于客户端设置，有时 userid 会更改但 transactionid 保持不变（当两者应该保持不变时），有时 transactionid 会更改但 userid 不会't（所以我们不能只使用 transactionid）。

所以我们想得到一些我们可以用作实际 ID 的东西。新列（即实际 ID）仅用于对行进行分组，因此它可以是任意（唯一）值。顺序根本不重要。

示例：

| userid | transactionid |
|--------|---------------|
| A      |             1 |
| A      |             2 |
| A      |             3 |
| B      |             2 |
| B      |             2 |
| C      |             4 |
| D      |             5 |
| D      |             5 |
| D      |             6 |
| E      |             6 |
| E      |             7 |
| F      |             4 |

可能会变成：

| userid | transactionid | actualid |
|--------|---------------|----------|
| A      | 1             | A        |
| A      | 2             | A        |
| A      | 3             | A        |
| B      | 2             | A        |
| B      | 2             | A        |
| C      | 4             | C        |
| D      | 5             | E        |
| D      | 5             | E        |
| D      | 6             | E        |
| E      | 6             | E        |
| E      | 7             | E        |
| F      | 4             | C        |

我们正在使用 Presto，因此存在一些限制（没有临时表，聚合查询中没有 DISTINCT 等）

此处显示了在 Python 中使用 for 循环的解决方案：http://nbviewer.ipython.org/urls/gist.githubusercontent.com/jamesmcm/2554d5d4498b5d46d42d/raw/587ff552c34027e85ee199d5d8e5cb192e5550d1/gistfile1.txt

但是我们需要 Presto 的解决方案。

这最初写在 Gist 上：https://gist.github.com/jamesmcm/9b9a559eb9f69405c04a

如果您想要表格的正确格式。

Answer 1

我们首先找到分配给每个事务 ID (tid) 的用户 ID (uid)。有很多方法可以选择这个assignment，但是会使用最小的（minimum）userid：

SELECT tid, min(uid) xid
FROM log
GROUP BY tid

这导致以下分配：

 tid | xid 
-----+-----
   1 | A   
   2 | A   
   3 | A   
   4 | C   
   5 | D   
   6 | D   
   7 | E   
(7 rows)

现在我们有了作业，我们可以将它们加入原来的 table:

SELECT a.uid, a.tid, b.xid
FROM log a
JOIN (
  SELECT tid, min(uid) xid
  FROM log
  GROUP BY tid
) b
ON (a.tid = b.tid)
ORDER BY 1, 2;

输出：

 uid | tid | xid 
-----+-----+-----
 A   |   1 | A   
 A   |   2 | A   
 A   |   3 | A   
 B   |   2 | A   
 B   |   2 | A   
 C   |   4 | C   
 D   |   5 | D   
 D   |   5 | D   
 D   |   6 | D   
 E   |   6 | D   
 E   |   7 | E   
 F   |   4 | C   
(12 rows)

Answer 2

这可以使用 windows 函数而不是连接来完成，并且需要比@David 建议的额外步骤。

使用下面的例子

uid | tid
 B  |  2
 B  |  3
 B  |  4
 A  |  3
 E  |  1

可以做到

SELECT 
    *,
    MIN(minuid) OVER (PARTITION BY mintid order by 1) as final_id
FROM(
    SELECT 
        tid,
        uid,
        MIN(uid) OVER (PARTITION BY tid order by 1) as minuid,
        MIN(tid) OVER (PARTITION BY uid order by 1) as mintid
    FROM
        log
)

这应该 return 正确的 ID

uid | tid | minuid | mintid | final_id
 B  |  2  |   B    |   2    |   A
 B  |  3  |   A    |   2    |   A
 B  |  4  |   B    |   2    |   A
 A  |  3  |   A    |   3    |   A
 E  |  1  |   E    |   1    |   E

当两者都可能更改时，按公共用户 ID 或事务 ID 对所有行进行分组

Grouping all rows by common userid or transactionid when both may change

sql

presto