基于SQL的数据比较:最长公共子序列

Question

我正在寻找将Longest Common Subsquence算法应用于SQL表以获得数据差异视图的研究论文或著作。关于如何解决表差异问题的其他建议也是受欢迎的。挑战在于，SQL表有一个讨厌的习惯，即变得相当大，并应用为文本处理而设计的简单算法，这可能导致程序永远不会结束……

因此，给定一个表Original

Key  Content
1    This row is unchanged
2    This row is outdated
3    This row is wrong
4    This row is fine as it is

和表New

Key Content
1   This row was added
2   This row is unchanged
3   This row is right
4   This row is fine as it is
5   This row contains important additions

我需要找出Diff

+++ 1 This row was added
--- 2 This row is outdated
--- 3 This row is wrong
+++ 3 This row is right
+++ 5 This row contains important additions

Answer 1

如果将表导出为csv文件，则可以使用http://sourceforge.net/projects/csvdiff/

csvdiff是一个Perl脚本，用于比较/比较两个csv文件，并可以选择分隔符。差异将显示为："Column XYZ in record 999“是不同的。在此之后，将显示此列的实际结果和预期结果。

Answer 2

这可能对你想要的东西来说太简单了，而且这不是研究:-)，而只是概念性的。我想您正在比较处理开销的不同方法(?)。

--这是你不想要的一半(A)

SELECT o.Key FROM tbl_ORIGINAL o INNER JOIN tbl_NEW n WHERE o.Content = n.Content

--这是你不想要的另一半(B)

SELECT n.Key FROM tbl_ORIGINAL o INNER JOIN tbl_NEW n WHERE o.Content = n.Content

--这是你想要的一半(C)

SELECT '+++' as diff, n.key, Content FROM tbl_New n WHERE n.KEY NOT IN( B )

--这是你想要的另一半(D)

SELECT '---' as diff, o.key, Content FROM tbl_Original o WHERE o.Key NOT IN ( A )

--将C与D相结合

( C )
Union
( D )
Order By diff, key

改进..。

• 尝试创建基表的索引视图首先
• 尝试将内容字段的长度减少到其唯一性的最小值(试验/错误)，然后使用较短的结果进行比较

--例如，获取最小长度(1000是任意的--只需要一个退出)

declare @i int
set @i = 1
While i < 1000 and Exists (
Select Count(key), Left(content,@i) From Table Having Count(key) > 1 )
BEGIN
   i = @i + 1
END