[tsql] distinct(col1), eerstewaarde(col2)

[Y3PP3R]

Hey pro's, ik heb een tabel met rijen emails die opgeslagen zijn op de harddisk als .msg bestanden. Sommige van deze emails zijn gelijk, en ik heb een column MD5 om de dubbelen er uit te filteren. Nu hoef ik van al die gelijke emails maar één verwijzing te hebben naar een bestand op de harddisk, dus ik zat te denken aan de eerste de beste waarde die hij tegen komt, maar 't mag ook een random waarde zijn.

Dus zoiets:

Tabel: ID - MD5 - Sent - Location - Subject

Query:

code:

SELECT DISTINCT [md5] , [sent], first_value([location]), [subject]
FROM @temp

Wat ik zelf vond online:
http://dbaspot.com/forums...ehaviour.html#post1061689

Ik heb dat voorbeeld omgezet naar mijn eigen tabel, het lijkt te werken, maar ik heb geen idee wat het doet. Kan iemand iets uitleggen?

code:

    WITH QueryB AS (
    SELECT [md5], [sent], [location], [subject],
    rn = row_number() OVER (PARTITION BY md5 ORDER BY sent)
    FROM @temp
    )
    SELECT [md5], [sent], [location], [subject]
    FROM QueryB
    WHERE rn = 1

[freak-ish]

Kweerie 1 maakt een rownummer aan, beginnend bij 1 en opnieuw beginnend indien [sent] veranderd
Kweerie 2 selecteerd de records van 1 waar rownum = 1

[Y3PP3R]

ik had gehoopt op wat diepere info over OVER en PARTITION, want ik vond de MSDN niet erg duidelijk

[Woy]

Gewoon een group by met een MIN of MAX lijkt mij?

SQL:

SELECT [md5] , [sent], MIN([location]), [subject]
FROM @temp
GROUP BY [md5], [sent], [subject]

[ Voor 56% gewijzigd door Woy op 25-03-2010 16:47 ]

[KabouterSuper]

OVER en PARTITION zijn niet MS-specifiek. Zoek eens op analytical functions en je vindt bergen interessante informatie (met name ORACLE documentatie, maar dat maakt in dit geval niets uit)

[ACM]

Y3PP3R schreef op donderdag 25 maart 2010 @ 16:36:
ik had gehoopt op wat diepere info over OVER en PARTITION, want ik vond de MSDN niet erg duidelijk

De WITH-constructie levert je effectief een nieuwe tabel op (zoals elke query in SQL). En uit die tabel vis je dan de records met rownumber 1. Het is basically hetzelfde als een subselect in de from-clause in deze situatie.

De query in de WITH-constructie partitioneert je records per unieke md5. En je maakt dus effectief deelverzamelingen van je hele dataset op basis van die md5's om daar de rownumber-teller steeds bij opnieuw te beginnen.

Ik vond zelf de voorbeelden bij PostgreSQL wel duidelijk en with-queries.