递归分组问题求解（疑似相似客户分组）

lastwinner

这个业务逻辑有点奇怪

先 having count(*)>=2 进行下过滤呢？

newkid

lastwinner 发表于 2014-3-20 00:18
这个业务逻辑有点奇怪

先 having count(*)>=2 进行下过滤呢？

他是要找团伙。

ocpdba591

Naldonado 发表于 2014-3-19 23:18
把你的方法拿出来看看。

我的方法就是根据每个客户id做一次递归，然后找出同组的客户
id集合，然后再对这些集合进行去重：

--疑似相似客户表创建

1. create type varchartable is table of varchar2(4000);
   
2. /
   
3. 
   
4. create table retval_tmp(id int,ref_var varchartable)
   
5. nested table
   
6.   ref_var
   
7. store as
   
8.   next_ref_var;
   
9. /

复制代码

--集合转hash函数创建

注：由于utl_raw.cast_to_raw函数的限制，导致listagg拼出的
字符长度不能超过1500字节。

1. create or replace function coll2hash(in_coll in varchartable)
   
2.   return varchar2 as
   
3.   v_retval varchar2(3000);
   
4. begin
   
5.   select dbms_crypto.hash(src => utl_raw.cast_to_raw(listagg(column_value,
   
6.                                                              ',') within
   
7.                                                      group(order by null)),
   
8.                           typ => dbms_crypto.HASH_MD5)
   
9.     into v_retval
   
10.     from table(in_coll);
    
11. 
    
12.   return v_retval;
    
13. end;
    
14. /

复制代码

--每个id进行循环递归

1. declare
   
2.   v_cur_varchar varcharTable;
   
3. begin
   
4. 
   
5.   execute immediate 'truncate table retval_tmp';
   
6. 
   
7.   for loop_idx in (select id from cus_tab) loop
   
8.   
   
9.     with t as
   
10.      (select /*+materialize*/
    
11.        id, phone_num
    
12.         from phone_tab),
    
13.    
    
14.     t2 as
    
15.      (select distinct t1.id
    
16.         from t t1
    
17.        start with t1.id = loop_idx.id
    
18.       connect by nocycle prior t1.id = t1.id
    
19.               or prior t1.phone_num = t1.phone_num)   
    
20.     select id bulk collect into v_cur_varchar from t2;
    
21.   
    
22.     insert into retval_tmp values (loop_idx.id, v_cur_varchar);
    
23.     commit;
    
24.   end loop;
    
25. end;
    
26. /
    

复制代码

--集合去重

1. with t as
   
2. (select t1.*,
   
3.          row_number() over(partition by coll2hash(t1.ref_var) order by id) rn
   
4.     from retval_tmp t1)
   
5. select ref_var from t where rn = 1;

复制代码

〇〇

把连在一起的电话号码取最小的

dingjun123

昨天和他说了，这东西每次都做一下是不可能的
最好先把老的处理掉，以后新增，删除，更新数据的时候，针对单个数据来做，这样估计性能会满足要求。。。

〇〇

dingjun123 发表于 2014-3-20 14:59
昨天和他说了，这东西每次都做一下是不可能的
最好先把老的处理掉，以后新增，删除，更新数据的时候，针对 ...

如果一个电话就2人,1个人就2电话还是可以做的

lastwinner

newkid 发表于 2014-3-20 02:28
他是要找团伙。

是，不过这和我们之前的找团伙问题不一样，所以我说有点奇怪

ocpdba591

谢谢各位关注，目前看来只有变通了，不然就是原地打转转。。。

lastwinner

ocpdba591 发表于 2014-3-20 17:09
谢谢各位关注，目前看来只有变通了，不然就是原地打转转。。。

http://www.itpub.net/forum.php?m ... %3D28%26typeid%3D28

这个问题的逻辑跟你的不一样，而且，似乎也无法参考

newkid

lastwinner 发表于 2014-3-21 01:09
http://www.itpub.net/forum.php?mod=viewthread&tid=1232557&extra=page%3D1%26filter%3Dtypeid%26typei ...

其实是一样的，你把第二张表变换一下：

SELECT t1.id id2,t2.id id2
  FROM phone_tab t1,phone_tab t2
WHERE t1.phone_num = t2.phone_num AND t1.id id2<>t2.id id2