Redshift - 如何使用一个表中的列作为 SIMILAR TO 中的模式

Posted 2023-03-31

【中文标题】Redshift - 如何使用一个表中的列作为 SIMILAR TO 中的模式

【英文标题】：Redshift - How to use column in one table as pattern in SIMILAR TO

【发布时间】：2021-08-10 14:21:25

【问题描述】：

我有两个表的问题。一个表包含 url 及其信息，另一组 url 应按模式分组。

Urls table:
------------------------------------------------
| url                                  | files |
| https://myurl1/test/one/es/main.html | 530   |
| https://myurl1/test/one/en/main.html | 530   |
| https://myurl1/test/one/ar/main.html | 530   |
------------------------------------------------

Urls patterns table:
---------------------------------------------
| group  | url_pattern                      |
| group1 | https://myurl1/test/one/(es|en)/%|
| group2 | https://myurl1/test/one/(ar)/%   |
---------------------------------------------

考虑到 url_patterns 每组只有一行，我已经尝试过类似的操作。

SELECT * FROM urls_table
WHERE url SIMILAR TO (SELECT MAX (url_pattern) FROM url_patterns WHERE group='group1')
LIMIT 10

这里的主要问题是，使用列参数应用 SIMILAR TO 似乎不起作用。

谁能给我一些建议？ 提前致谢。

【问题讨论】：

您的解决方案从这里看起来很不错，您有问题吗？您的 Select MAX(...) 表示同一组可能有多个模式。要选择 URL 匹配任何模式的位置，请尝试 Select Distinct URL,files from urls_table, url_pattern where url Similar To url_pattern

你想要什么结果？

您好，第一个问题是似乎无法将类似于应用于子查询。这就是为什么我应用 MAX 来尝试只获取和字符串。

【参考方案1】：

您遇到了编译正则表达式模式的要求，并且 SIMILAR TO 是正则表达式的一个层。所以你试图做的事情是行不通的。我相信还有很多其他方法可以做到这一点。

I) 更改为 LIKE 模式匹配：LIKE 模式未预编译，因此可以使用动态模式。缺点是它们更受限制，但我认为你仍然可以做你想做的事。只需将您的模式更改为一组模式列（如果模式数量有限）并测试所有模式。不需要的模式可能只是一个永远无法匹配的值。绝对是蛮力破解。

II) 使用 SQL 更改为 LIKE 模式匹配以提供 OR 行为：在 url_pattern 列中有多个 LIKE 模式，用“|”分隔（例如）。然后使用 split_part 匹配每个子模式 - 有点复杂，可能很慢，但可以。像这样：

SELECT url
FROM urls_table
LEFT JOIN (SELECT split_part(pattern, '|', part_no::int) as pattern
              FROM url_patterns
              CROSS JOIN (SELECT row_number() over () as part_no FROM urls_table)
              WHERE "group" = 'group1'
             )
ON url LIKE pattern 
WHERE p.pattern IS NOT NULL;

您还需要更改模式字符串以使用更简单的 LIKE 格式并使用“|”多种可能性 - 例如：Group1 模式变为 'https://myurl1/test/one/es/%|https://myurl1/test/one/en/%'

III) 使用一些前端查询修改来查找组的模式并将其应用于查询，然后再将其发送到编译器。这可能是外部工具或 Redshift 上的存储过程。在一个查询中获取模式并使用它来发出第二个查询。

【参考方案2】：

你想要exists吗？

SELECT u.*
FROM urls_table u
WHERE EXISTS (SELECT 1
              FROM url_patterns p
              WHERE u.url SIMILAR TO p.url_pattern AND
                    p.group = 'group1'
             )
LIMIT 10;

【讨论】：

这不会破坏 Redshift 的相关子查询限制吗？