Sql 如何在列发生更改时选择列？

我试图创建一个缓慢变化的维度（类型2维度），但我对如何逻辑地写出它有点迷茫。假设我们有一个源表，其中包含

Person | Country | Department | Login Time

。我想用

Person | Country | Department | Eff Start time | Eff End time

创建此维度表

数据可能如下所示：

Person | Country | Department | Login Time
------------------------------------------
Bob    | CANADA  | Marketing  | 2009-01-01
Bob    | CANADA  | Marketing  | 2009-02-01
Bob    | USA     | Marketing  | 2009-03-01
Bob    | USA     | Sales      | 2009-04-01
Bob    | MEX     | Product    | 2009-05-01
Bob    | MEX     | Product    | 2009-06-01
Bob    | MEX     | Product    | 2009-07-01
Bob    | CANADA  | Marketing  | 2009-08-01

我想要的类型2维度如下所示：

Person | Country | Department | Eff Start time | Eff End Time
------------------------------------------------------------------
Bob    | CANADA  | Marketing  | 2009-01-01     | 2009-03-01
Bob    | USA     | Marketing  | 2009-03-01     | 2009-04-01
Bob    | USA     | Sales      | 2009-04-01     | 2009-05-01
Bob    | MEX     | Product    | 2009-05-01     | 2009-08-01
Bob    | CANADA  | Marketing  | 2009-08-01     | NULL 

假设Bob的姓名、国家/地区和部门自2009-08-01以来没有更新过，因此保留为

NULL

什么功能在这里最有效？这是在Netezza上，它使用Postgres的风格

显然，

groupby

在这里不起作用，因为后面会有相同的分组（我在最后一行添加了

Bob | CANADA | Marketing

，以显示这一点）

编辑

包括一个关于个人、国家和部门的哈希列，将有意义，正确地考虑使用

SELECT PERSON, COUNTRY, DEPARTMENT
FROM table t1
where 
    person = person 
    AND t1.hash <> hash_function(person, country, department)

选择人员、国家/地区、部门
来自表t1
哪里
人
和t1.hash散列函数（个人、国家、部门）

答案 此代码返回下表

 PERSON | COUNTRY | DEPARTMENT | EFF_LOGIN_START | EFF_LOGIN_END
--------+---------+------------+-----------------+---------------
 Bob    | CANADA  | Marketing  | 2009-01-01      | 2009-03-01
 Bob    | USA     | Marketing  | 2009-03-01      | 2009-04-01
 Bob    | USA     | Sales      | 2009-04-01      | 2009-05-01
 Bob    | MEX     | Product    | 2009-05-01      | 2009-08-01
 Bob    | CANADA  | Marketing  | 2009-08-01      |

解释 在过去的几年里，我一定已经解决了四五次这个问题，但一直没有把它正式写下来。我很高兴有机会这样做，所以这是一个很好的问题

在尝试这一点时，我喜欢用矩阵形式写下问题。这里是输入，假设所有值在SCD中都有相同的键

 Cv | Ce
----|----
 A  | 10
 A  | 11
 B  | 14
 C  | 16
 D  | 18
 D  | 25
 D  | 34
 A  | 40

其中Cv是我们需要比较的值（同样，假设SCD的键值在此数据中相等；我们将在整个时间内对键值进行分区，因此它与解决方案无关），Ce是事件时间

首先，我们需要一个顺序主键。我在表中指定了这个Ck。这将允许我们将表连接到它自己，以获得上一个和下一个事件。我将这些列称为Pk（上一个键）、Nk（下一个键）、Pv和Nv

 Cv | Ce | Ck | Pk | Pv | Nk | Nv |
----|----|----|----|----|----|----|
 A  | 10 | 1  |    |    | 2  | A  |
 A  | 11 | 2  | 1  | A  | 3  | B  |
 B  | 14 | 3  | 2  | A  | 4  | C  |
 C  | 16 | 4  | 3  | B  | 5  | D  |
 D  | 18 | 5  | 4  | C  | 6  | D  |
 D  | 25 | 6  | 5  | D  | 7  | D  |
 D  | 34 | 7  | 6  | D  | 8  | A  |
 A  | 40 | 8  | 7  | D  |    |    |

现在我们需要一些列来查看我们是否在连续事件块的开头或结尾。我将调用这些Pc和Nc，因为它们是连续的。Pc被定义为Pv=Cv=>true。1表示true，0表示false。Nc的定义与此类似，只是null大小写默认为true（我们将在一分钟后了解原因）

现在你可以开始看到Pc，Nc的1,1组合是一个完全无用的记录。我们直观地知道这一点，因为Bob在第6排的Mex/产品组合在构建SCD时几乎是无用的信息

所以，让我们去掉无用的信息。我将在这里添加两个新列：几乎完整的有效开始时间（称为Sn）和实际完整的有效结束时间（称为Ee）。当Pc为0时，Sn用Ce填充，当Nc为0时，Ee用Ce填充

 Cv | Ce | Ck | Pk | Pv | Nk | Nv | Pc | Nc | Sn | Ee |
----|----|----|----|----|----|----|----|----|----|----|
 A  | 10 | 1  |    |    | 2  | A  | 0  | 1  | 10 |    |
 A  | 11 | 2  | 1  | A  | 3  | B  | 1  | 0  |    | 11 |
 B  | 14 | 3  | 2  | A  | 4  | C  | 0  | 0  | 14 | 14 |
 C  | 16 | 4  | 3  | B  | 5  | D  | 0  | 0  | 16 | 16 |
 D  | 18 | 5  | 4  | C  | 6  | D  | 0  | 1  | 18 |    |
 D  | 25 | 6  | 5  | D  | 7  | D  | 1  | 1  |    |    |
 D  | 34 | 7  | 6  | D  | 8  | A  | 1  | 0  |    | 34 |
 A  | 40 | 8  | 7  | D  |    |    | 0  | 1  | 40 |    |

这看起来非常接近，但我们仍然存在无法按简历（个人/国家/部门）分组的问题。我们需要的是Sn用Sn的前一个值填充所有这些空值。您可以在

rwn

上将此表连接到自身并获得最大值，但我会很懒，使用Netezza的分析函数和

rows unbounded previous

子句。这是我刚才描述的方法的快捷方式。因此，我们将创建另一个名为Es的列，effectivestart，定义如下

case
  when Sn is null
    then max(Sn) over (
      partition by k --key value of the SCD
      order by Ck
      rows unbounded preceding
    )
  else Sn
end Es

根据这个定义，我们得到了这个

 Cv | Ce | Ck | Pk | Pv | Nk | Nv | Pc | Nc | Sn | Ee | Es |
----|----|----|----|----|----|----|----|----|----|----|----|
 A  | 10 | 1  |    |    | 2  | A  | 0  | 1  | 10 |    | 10 |
 A  | 11 | 2  | 1  | A  | 3  | B  | 1  | 0  |    | 11 | 10 |
 B  | 14 | 3  | 2  | A  | 4  | C  | 0  | 0  | 14 | 14 | 14 |
 C  | 16 | 4  | 3  | B  | 5  | D  | 0  | 0  | 16 | 16 | 16 |
 D  | 18 | 5  | 4  | C  | 6  | D  | 0  | 1  | 18 |    | 18 |
 D  | 25 | 6  | 5  | D  | 7  | D  | 1  | 1  |    |    | 18 |
 D  | 34 | 7  | 6  | D  | 8  | A  | 1  | 0  |    | 34 | 18 |
 A  | 40 | 8  | 7  | D  |    |    | 0  | 1  | 40 |    | 40 |

其余的都很简单。按Es分组并获取Ee的最大值以获得此表

 Cv | Es | Ee |
----|----|----|
 A  | 10 | 11 |
 B  | 14 | 14 |
 C  | 16 | 16 |
 D  | 18 | 34 |
 A  | 40 |    |

---

如果要用下一个开始填充有效结束时间，请将表再次连接到表本身或使用

lead（）

窗口函数来获取它。

你能详细说明你的要求吗？当你说“选择列”时，你到底想做什么？举一个你想要的例子会很有帮助。是的，我可以用一个更好的标题。基本上，在我给出的例子中，我想找到一个人、他们的国家和t他们的部门在历史上的某个时刻或目前的某个时刻。为了做到这一点，由于这个维度可能会发生变化，我想找到，当这些列为您指定的编辑而发生变化时，您是否应该得到您期望的输出？与以前相同的输出？您希望代码生成维度？还是加入维度？另外，您的

hash_函数

建议可以在Netezza上使用，但您也可以很容易地不使用预先计算的区域映射。只要让Netezza按照优化器想要做的任何事情进行比较即可。

 Cv | Ce | Ck | Pk | Pv | Nk | Nv | Pc | Nc | Sn | Ee | Es |
----|----|----|----|----|----|----|----|----|----|----|----|
 A  | 10 | 1  |    |    | 2  | A  | 0  | 1  | 10 |    | 10 |
 A  | 11 | 2  | 1  | A  | 3  | B  | 1  | 0  |    | 11 | 10 |
 B  | 14 | 3  | 2  | A  | 4  | C  | 0  | 0  | 14 | 14 | 14 |
 C  | 16 | 4  | 3  | B  | 5  | D  | 0  | 0  | 16 | 16 | 16 |
 D  | 18 | 5  | 4  | C  | 6  | D  | 0  | 1  | 18 |    | 18 |
 D  | 25 | 6  | 5  | D  | 7  | D  | 1  | 1  |    |    | 18 |
 D  | 34 | 7  | 6  | D  | 8  | A  | 1  | 0  |    | 34 | 18 |
 A  | 40 | 8  | 7  | D  |    |    | 0  | 1  | 40 |    | 40 |

 Cv | Es | Ee |
----|----|----|
 A  | 10 | 11 |
 B  | 14 | 14 |
 C  | 16 | 16 |
 D  | 18 | 34 |
 A  | 40 |    |