总结大量案例的最佳方式

Question

假设我有一个带有字符串的表，我想通过将不同的字符串分组到"category"中来创建该表的聚合。为了理解将每个字符串分配给哪个类别，我有一个可能性列表，可以总结如下：

字符串="aaa"然后为"cat_aaa"时的大小写

CASE WHEN string='bbb'THEN'cat_bb'

[…]

当字符串像"%abc%"然后是"cat_abc"时大小写

现在，这个列表可能非常庞大，可能需要更新，所以我不想做一个无限的CASE WHEN列表。相反，我想要一个带有用于比较的字符串和相应类别的表。

因此，让我们假设有一个包含所有字符串的第一个表：

TABLE A
=======
string
--------
aaa
bbb
aaa
aaa
aaa
dabc
fabc
------

和另一个表

TABLE B
=======
string_comparison | category
aaa         | cat_aaa
bbb         | cat_bbb
%abc%        | cat_abc

如果它们都=条件，我就可以把这两个字符串连接起来。但是，根据字符串比较的类型，我可能需要执行LIKE比较。你对如何解决这种情况有什么新的想法吗？由于表演原因，我不想在like的基础上加入这两张桌子。有没有可能在字符串上使用正则表达式来解决这个问题？

我正在使用红移。

Answer 1

没有通配符的like实际上与=相同，任何合理的优化器都应该正确处理它，所以我不会想太多，只尝试使用like:

SELECT   category, COUNT(*)
FROM     a
JOIN     b ON string LIKE string_comparison
GROUP BY category

如果你真的很关心like运算符的性能，你可以试着检查string_comparison中是否没有通配符并将其短路，但我怀疑它是否会比直接使用like更快：

SELECT   category, COUNT(*)
FROM     a
JOIN     b ON (POSITION('%' IN string_comparison) > 0 AND
POSITION('_' IN string_comparison) > 0 AND 
string LIKE string_coparison) OR
string = string_comparison
GROUP BY category

注意：您没有用正在使用的RDBMS标记这个问题，所以我举了一个使用Postgresql的position函数的例子。其他RDBMS应该具有相同功能的函数，尽管它们的名称可能不同。