Trouver des entités uniques avec plusieurs identificateurs UUID dans redshift

Question

Avoir une table d'événements avec plusieurs types d'UUID par utilisateur, nous aimerions trouver un moyen d'assembler tous ces UUID ensemble pour obtenir la définition la plus élevée possible d'un seul utilisateur.

Par exemple:

UUID1 | UUID2 
    1  a 
    1  a 
    2  a 
    2  b 
    3  c 
    4  c 

Il y a 2 ici, le premier avec uuid1 = {1,2} et {UUID2 = a, b}, le second avec uuid1 = {3,4 } et uuid2 = {c}. Ces chaînes pourraient potentiellement être très longues. Il n'y a pas d'intersections (c'est-à-dire que 1c n'existe pas) et toutes les lignes sont ordonnées par horodatage.

Existe-t-il un moyen de redshift pour générer ces identifiants "guest" uniques sans créer une requête immense avec beaucoup de jointures?

Merci d'avance!

Answer 1

Créer une table de données de test

-- DROP TABLE uuid_test; 
CREATE TEMP TABLE uuid_test AS 
      SELECT 1 row_id, 1::int uuid1, 'a'::char(1) uuid2 
UNION ALL SELECT 2 row_id, 1::int uuid1, 'a'::char(1) uuid2 
UNION ALL SELECT 3 row_id, 2::int uuid1, 'a'::char(1) uuid2 
UNION ALL SELECT 4 row_id, 2::int uuid1, 'b'::char(1) uuid2 
UNION ALL SELECT 5 row_id, 3::int uuid1, 'c'::char(1) uuid2 
UNION ALL SELECT 6 row_id, 4::int uuid1, 'c'::char(1) uuid2 
UNION ALL SELECT 7 row_id, 4::int uuid1, 'd'::char(1) uuid2 
UNION ALL SELECT 8 row_id, 5::int uuid1, 'e'::char(1) uuid2 
UNION ALL SELECT 9 row_id, 6::int uuid1, 'e'::char(1) uuid2 
UNION ALL SELECT 10 row_id, 6::int uuid1, 'f'::char(1) uuid2 
UNION ALL SELECT 11 row_id, 7::int uuid1, 'f'::char(1) uuid2 
UNION ALL SELECT 12 row_id, 8::int uuid1, 'g'::char(1) uuid2 
UNION ALL SELECT 13 row_id, 8::int uuid1, 'h'::char(1) uuid2 
; 

Le problème réel est résolu en utilisant la commande stricte pour trouver tous les endroits où les changements d'utilisateur unique, la capture que comme une table de consultation, puis l'appliquer aux données d'origine.

-- Create lookup table with a from-to range of IDs for each unique user 
WITH unique_user AS (

-- Calculate the end of the id range using LEAD() to look ahead 
-- Use an inline MAX() to find the ending ID for the last entry 

SELECT row_id AS from_id 
    , NVL(LEAD(row_id,1) OVER (ORDER BY row_id)-1, (SELECT MAX(row_id) FROM uuid_test)) AS to_id 
    , unique_uuid 

-- Mark unique user change when there is discontinuity in either UUID 
FROM (SELECT row_id 
      ,CASE WHEN NVL(LAG(uuid1,1) OVER (ORDER BY row_id), 0) <> uuid1 
        AND NVL(LAG(uuid2,1) OVER (ORDER BY row_id), '') <> uuid2 
      THEN MD5(uuid1||uuid2) 
      ELSE NULL END unique_uuid 
     FROM uuid_test) t 
WHERE unique_uuid IS NOT NULL 
ORDER BY row_id 
) 

-- Apply the unique user value to each row using a range join to the lookup table 
SELECT a.row_id, a.uuid1, a.uuid2, b.unique_uuid 
FROM uuid_test AS a 
JOIN unique_user AS b 
    ON a.row_id BETWEEN b.from_id AND b.to_id 
ORDER BY a.row_id 
; 

est ici la sortie

row_id | uuid1 | uuid2 |   unique_uuid 
--------+-------+-------+---------------------------------- 
     1 |  1 | a  | efaa153b0f682ae5170a3184fa0df28c 
     2 |  1 | a  | efaa153b0f682ae5170a3184fa0df28c 
     3 |  2 | a  | efaa153b0f682ae5170a3184fa0df28c 
     4 |  2 | b  | efaa153b0f682ae5170a3184fa0df28c 
     5 |  3 | c  | 5fcfcb7df376059d0075cb892b2cc37f 
     6 |  4 | c  | 5fcfcb7df376059d0075cb892b2cc37f 
     7 |  4 | d  | 5fcfcb7df376059d0075cb892b2cc37f 
     8 |  5 | e  | 18a368e1052b5aa0388ef020dd9a1e20 
     9 |  6 | e  | 18a368e1052b5aa0388ef020dd9a1e20 
    10 |  6 | f  | 18a368e1052b5aa0388ef020dd9a1e20 
    11 |  7 | f  | 18a368e1052b5aa0388ef020dd9a1e20 
    12 |  8 | g  | 321fcc2447163a81d470b9353e394121 
    13 |  8 | h  | 321fcc2447163a81d470b9353e394121