sql - 在 SQL 中指定最小连接点数

Question

我有这个连接表:

 CREATE TABLE [TagMap](
[intItemId] [bigint] NOT NULL,
[intTagId] [bigint] NOT NULL,
 CONSTRAINT [PK_TagMap_intItemId] PRIMARY KEY CLUSTERED 
 (
[intItemId] ASC,
[intTagId] ASC
 ))

我的 sproc 发现与 seedItemId 关联的标签，然后选择与这些标签关联的其他 intItemId，如下所示:

 declare @baseTags table    (intTagId bigint primary key clustered);

INSERT INTO @baseTags (intTagId)
SELECT TOP 20 t1.intTagId
FROM   TagMap t1
WHERE t1.intItemId = 776

 SELECT TOP 500 t1.intItemId
 FROM   TagMap t1
      JOIN @baseTags t2
       ON t1.intTagId = t2.intTagId
 GROUP  BY t1.intItemId
 ORDER  BY Count(*) DESC

我需要的是在两个 intItemIds 之间指定最小数量的标签关联 - 比如说 10 - 低于该值的值不会返回。换句话说，在 TagMap 表中可以找到十个或更多两个 intItemId 共有的 intTagId，这很好，我们选择它 - 否则忽略它。

所以，例如给定这个数据:

 CREATE TABLE #TagMap(
 [intItemId] [bigint] NOT NULL,
 [intTagId] [bigint] NOT NULL,
 CONSTRAINT [PK_TagMap_intItemId] PRIMARY KEY CLUSTERED 
 (
 [intItemId] ASC,
 [intTagId] ASC
 ))

 insert into #TagMap
 (intItemId, intTagId)
 values 
 (1, 100),(1, 200),(1, 300),
 (2, 100),(2, 200),         (2, 500),(2, 600),
 (3, 100),                  (3, 500),(3, 600)

假设匹配阈值为 2。

如果种子是 intItemId 1，则只应返回 intItemId 2(它有两个匹配的标签 ID:100 和 200，而 intItemId 3 有一个:100，低于阈值)。

如果种子是 intItemId 2，则应返回 intItemId 1 和 3(intItemId 1 匹配标签 Id 100 和 200，而 intItemId 3 匹配标签 Id 500 和 600)。

如果种子是 intItemId 3，则只应返回 intItemId 2(它有两个匹配的标签 ID:500 和 600，而 intItemId 有一个:100，低于阈值)。

任何想法如何做到这一点，请？

干杯，
马特

Answer 1

SELECT
  [foreign].intItemID
FROM
  #TagMap    AS [primary]
INNER JOIN
  #TagMap    AS [foreign]
    ON [foreign].intTagID = [primary].intTagID
WHERE
  [primary].intItemID = 1
GROUP BY
  [foreign].intItemID
HAVING
  COUNT(distinct [foreign].intTagID) >= @threshold

但是请注意，这扩展得非常糟糕；因为 JOIN搜索“有 任何 这些标签”，然后只在 HAVING 中搜索条款可以指定“具有 所有 这些标签”。

根据我的经验，您可以进行小幅优化，但我发现最有值(value)的方法是将结果缓存到更标准的映射表中。在必要时更新它们。 (标签数据的内容很少改变。)