Gruppieren Sie alle zugehörigen Datensätze in Viele-zu-Viele-Beziehungen, verbundene Komponenten mit SQL-Diagramm

Ich dachte darüber nach, rekursiven CTE zu verwenden , aber soweit ich weiß, ist es in SQL Server nicht möglich, UNION zu verwenden um ein Ankermitglied und ein rekursives Mitglied des rekursiven CTE zu verbinden (ich denke, das ist in PostgreSQL möglich), so dass es nicht möglich ist, Duplikate zu eliminieren.

declare @i int

with cte as (
     select
         GroupID,
         row_number() over(order by Company) as rn
     from Table1
)
update cte set GroupID = rn

select @i = @@rowcount

-- while some rows updated
while @i > 0
begin
    update T1 set
        GroupID = T2.GroupID
    from Table1 as T1
        inner join (
            select T2.Company, min(T2.GroupID) as GroupID
            from Table1 as T2
            group by T2.Company
        ) as T2 on T2.Company = T1.Company
    where T1.GroupID > T2.GroupID

    select @i = @@rowcount

    update T1 set
        GroupID = T2.GroupID
    from Table1 as T1
        inner join (
            select T2.Publisher, min(T2.GroupID) as GroupID
            from Table1 as T2
            group by T2.Publisher
        ) as T2 on T2.Publisher = T1.Publisher
    where T1.GroupID > T2.GroupID

    -- will be > 0 if any rows updated
    select @i = @i + @@rowcount
end

;with cte as (
     select
         GroupID,
         dense_rank() over(order by GroupID) as rn
     from Table1
)
update cte set GroupID = rn

SQL-Fiddle-Demo

Ich habe auch einen Breitensuchalgorithmus ausprobiert. Ich dachte, es könnte schneller sein (es ist besser in Bezug auf die Komplexität), also werde ich hier eine Lösung anbieten. Ich habe jedoch festgestellt, dass es nicht schneller als der SQL-Ansatz ist:

declare @Company nvarchar(2), @Publisher nvarchar(2), @GroupID int

declare @Queue table (
    Company nvarchar(2), Publisher nvarchar(2), ID int identity(1, 1),
    primary key(Company, Publisher)
)

select @GroupID = 0

while 1 = 1
begin
    select top 1 @Company = Company, @Publisher = Publisher
    from Table1
    where GroupID is null

    if @@rowcount = 0 break

    select @GroupID = @GroupID + 1

    insert into @Queue(Company, Publisher)
    select @Company, @Publisher

    while 1 = 1
    begin
        select top 1 @Company = Company, @Publisher = Publisher
        from @Queue
        order by ID asc

        if @@rowcount = 0 break

        update Table1 set
            GroupID = @GroupID
        where Company = @Company and Publisher = @Publisher

        delete from @Queue where Company = @Company and Publisher = @Publisher

        ;with cte as (
            select Company, Publisher from Table1 where Company = @Company and GroupID is null
            union all
            select Company, Publisher from Table1 where Publisher = @Publisher and GroupID is null
        )
        insert into @Queue(Company, Publisher)
        select distinct c.Company, c.Publisher
        from cte as c
        where not exists (select * from @Queue as q where q.Company = c.Company and q.Publisher = c.Publisher)
   end
end

SQL-Fiddle-Demo

Ich habe meine Version und die von Gordon Linoff getestet, um zu überprüfen, wie sie funktioniert. Es sieht so aus, als wäre der CTE viel schlechter, ich konnte es kaum erwarten, bis er mit mehr als 1000 Zeilen fertig ist.

Hier ist SQL-Fiddle-Demo mit Zufallsdaten. Meine Ergebnisse waren:
128 Zeilen :
meine RBAR-Lösung:190ms
meine SQL-Lösung:27ms
Gordon Linoffs Lösung:958ms
256 Zeilen :
meine RBAR-Lösung:560ms
meine SQL-Lösung:1226 ms
Gordon Linoffs Lösung:45371ms

Es handelt sich um zufällige Daten, sodass die Ergebnisse möglicherweise nicht sehr konsistent sind. Ich denke, das Timing könnte durch Indizes geändert werden, aber ich glaube nicht, dass es das ganze Bild ändern könnte.

alt Version - temporäre Tabelle verwenden, nur GroupID berechnen, ohne die ursprüngliche Tabelle zu berühren:

declare @i int

-- creating table to gather all possible GroupID for each row
create table #Temp
(
    Company varchar(1), Publisher varchar(1), GroupID varchar(1),
    primary key (Company, Publisher, GroupID)
)

-- initializing it with data
insert into #Temp (Company, Publisher, GroupID)
select Company, Publisher, Company
from Table1

select @i = @@rowcount

-- while some rows inserted into #Temp
while @i > 0
begin
    -- expand #Temp in both directions
    ;with cte as (
        select
            T2.Company, T1.Publisher,
            T1.GroupID as GroupID1, T2.GroupID as GroupID2
        from #Temp as T1
            inner join #Temp as T2 on T2.Company = T1.Company
        union
        select
            T1.Company, T2.Publisher,
            T1.GroupID as GroupID1, T2.GroupID as GroupID2
        from #Temp as T1
            inner join #Temp as T2 on T2.Publisher = T1.Publisher        
    ), cte2 as (
        select
            Company, Publisher,
            case when GroupID1 < GroupID2 then GroupID1 else GroupID2 end as GroupID
        from cte
    )
    insert into #Temp
    select Company, Publisher, GroupID
    from cte2
    -- don't insert duplicates
    except
    select Company, Publisher, GroupID
    from #Temp

    -- will be > 0 if any row inserted
    select @i = @@rowcount
end

select
    Company, Publisher,
    dense_rank() over(order by min(GroupID)) as GroupID
from #Temp
group by Company, Publisher

=> SQL-Fiddle-Beispiel