有如下需求:
A用户有1笔交易
B用户有3笔交易
C用户有2笔交易
数据如下:
A 1
B 3
C 2
现要求将该表数据扩展,变成:
A 1
B 3
B 3
B 3
C 2
C 2
第一种:贪婪法
这种方式是不管每行对应的N是多少,首先取出最大的那个N值,然后构造N条记录的虚拟表,
该虚拟表有一个序列,值为1到N。与原表做关联,条件是虚拟表的序列字段不大于实际表的
N值。即如下
SQL> with tmp as(
2 select 'A' a, 1 b from dual union all
3 select 'B' a, 3 b from dual union all
4 select 'C' a, 2 b from dual
5 ),
6 tmp2 as(select max(b) maxb from tmp)
7 select a.a, a.b, b.r c
8 from tmp a, (select rownum r from tmp2 connect by rownum <= maxb) b
9 where b.r <= a.b
10 order by a, c;
A B C
- ---------- ----------
A 1 1
B 3 1
B 3 2
B 3 3
C 2 1
C 2 2
6 rows selected
这里用到的技术很简单,就是有条件的部分笛卡尔积。由每个实际行延伸出的虚
拟行的序列号不大于该行的N值即可
第二种:动态笛卡尔积法
每条记录,都有对应的一个展开因子N,只要能得到一个能根据这个N产生的N行伪记录,进
行笛卡尔积扩展,就能得到所要求的数据了,如下:
SQL> with tmp as(
2 select 'A' a, 1 b from dual union all
3 select 'B' a, 3 b from dual union all
4 select 'C' a, 2 b from dual
5 )
6 select a.a, a.b, b.column_value c
7 from tmp a,
8 table(cast(multiset
9 (select rownum from dual connect by rownum <= a.b) as
10 sys.odcinumberlist)) b;
A B C
- ---------- ----------
A 1 1
B 3 1
B 3 2
B 3 3
C 2 1
C 2 2
6 rows selected
其中用到了以下几个重要方法:
1、table函数。用于构建虚拟表,并且可以套用同个from子句下其他表的值。为构建虚拟行的基础。
2、cast类型转换函数。用于将数据转换成行。
3、multiset函数。用于将数据转换成结果集的形式。
4、sys.odcinumberlist类型。告诉cast将子查询以什么类型返回结果。
这种方式产生的中间数据结果集即为最终结果集:b字段的和,即sum(b)。
第三种:自身递归法
这种方法是利用了oracle的connectby查询特性,比较巧妙。将自身与自身为递归
条件,往无限制层次查询。于是下面增加了level不大于N值,就控制住了递归的层数。但是因
为这样的查询明显是循环的(prior b=b,再prior b=b),所以要有dbms_random.value来打
破这个循环。查询语句如下:
SQL> with tmp as(
2 select 'A' a, 1 b from dual union all
3 select 'B' a, 3 b from dual union all
4 select 'C' a, 2 b from dual
5 )
6 select a, b, level c
7 from tmp
8 connect by prior b = b
9 and level <= b
10 and prior dbms_random.value is not null
11 order by 1, 2;
A B C
- ---------- ----------
A 1 1
B 3 2
B 3 3
B 3 1
C 2 1
C 2 2
6 rows selected
第四种:MODEL方法
SQL> WITH tmp AS (
2 SELECT 'A' a, 1 b FROM DUAL
3 UNION ALL SELECT 'B', 3 FROM DUAL
4 UNION ALL SELECT 'C', 2 FROM DUAL
5 )
6 SELECT a,b
7 FROM tmp
8 MODEL
9 PARTITION BY (a)
10 DIMENSION BY (1 n)
11 MEASURES (b)
12 RULES
13 ITERATE (100) UNTIL (ITERATION_NUMBER>=b[1]-1)
14 (
15 b[ITERATION_NUMBER+1]=b[1]
16 )
17 ORDER BY 1;
A B
- ----------
A 1
B 3
B 3
B 3
C 2
C 2
6 rows selected
第五种:xmltable法
原理同第二种类型,就是构建与指定行相同的行数来获得结果,大致使用方式如下:
SQL> with tmp as(
2 select 'A' a, 1 b from dual union all
3 select 'B' a, 3 b from dual union all
4 select 'C' a, 2 b from dual
5 )
6 select a.a, a.b
7 from tmp a,
8 xmltable('1 to xs:integer($n)' passing a.b as "n" columns b for
9 ordinality) x;
A B
- ----------
A 1
B 3
B 3
B 3
C 2
C 2
6 rows selected
第六种 :
SQL> WITH tmp AS (
2 SELECT 'A' a, 1 b FROM DUAL
3 UNION ALL SELECT 'B', 3 FROM DUAL
4 UNION ALL SELECT 'C', 2 FROM DUAL
5 ),
6 rdata (a, b, lv) as
7 (
8 select a, b, 1 as lv from tmp
9 union all
10 select a, b, lv + 1 as lv from rdata where lv + 1 <= b
11 )
12 select * from rdata
13 order by a, lv;
A B LV
- ---------- ----------
A 1 1
B 3 1
B 3 2
B 3 3
C 2 1
C 2 2
6 rows selected
总结:
六种方法中,以第二种最为简单和实用,但是在几个函数的上的用法要比较清楚,以及有
sys.odcinumberlis的支持才行,第五种虽然原理上差不多,但是用法比较少见,理解上也比
较复杂点。第三种方法利用了connectby的自身递归特性,以一定的条件来结束无限制深入,
比较巧妙,但是这个在数据量大时,依赖于随机数的生成会降低性能。第一种最简单,也是
最容易想到的,但是中间结果集由最大N值决定,如果这个值过大,就会导致中间结果集非
常大,而实际可能需要的只要一点点。综合以上几种情况,如果数据量比较少时,可以使用
第一种方法。数据量大,且条件允许,可以使用第二种,或第五种,但是要求对xmltable有
比较清楚的认识。第三种也可以使用,但是随即数的生成影响了其性能,还需要斟酌。