• 非等值连接

• 在 SQL 中，连接操作通常基于相等条件（如JOIN... ON table1.column = table2.column
  ），这是等值连接。而非等值连接是指连接条件使用的不是相等运算符，例如>
  、<
  、BETWEEN
  等。这种连接方式允许根据一定的范围或者顺序关系来关联两个表中的数据。
• 单向近距离匹配
  单向近距离匹配是一种特殊的非等值连接情况。假设我们有两个表，表 A 和表 B，单向近距离匹配是指对于表 A 中的每一条记录，在表 B 中找到与之最接近（按照某种距离度量，如数值差的绝对值）的一条记录，并且这种匹配是单向的，即只考虑从表 A 到表 B 的匹配，而不考虑从表 B 到表 A 的匹配。这种匹配方式在很多实际场景中都有应用，比如时间序列数据的匹配、地理位置数据的近似匹配等。

表 t_1 和表 t_2 通过 a 和 b 关联时，有相等的取相等的值匹配，不相等时每一 个 a 的值在 b 中找差值最小的来匹。

表 t_1：a 中无重复值

create table t_1 as
    (select stack(
                    6,
                    1,
                    2,
                    4,
                    5,
                    8,
                    10
            ) as (a));


create table t_2 as
    (select stack(
                    5,
                    2,
                    3,
                    7,
                    11,
                    13
            ) as (b));

select a
     , b
     , abs(a-b) diff
     , dense_rank()  over (partition by a order by abs(a-b) )
from t_1,
     t_2

非等值连接--单向近距离匹配应用

（1）时间序列数据分析

• 场景描述
• 在金融领域，有股票交易数据和公司财务报告发布日期的数据。股票交易数据包含交易日期（trade_date
  ）、股票代码（stock_code
  ）和交易价格（trade_price
  ）等字段；财务报告数据包含公司代码（company_code
  ，与股票代码相关）、报告发布日期（report_date
  ）和财务指标（如每股收益eps
  ）等字段。
• 应用方式
• 单向近距离匹配可以用于为每个股票交易记录找到在交易日期之前最近发布的财务报告。通过非等值连接（如trade_date >= report_date
  ）和计算日期差值（如DATEDIFF(trade_date, report_date)
  ），并选择差值最小的记录，可以分析交易价格与最新财务信息之间的关系。例如，投资者可以根据最新的财务报告来评估股票价格是否合理。

-- 假设已有股票交易表trades和财务报告表reports
-- 找到每个交易记录对应的最近财务报告
SELECT
    t.stock_code,
    t.trade_date,
    t.trade_price,
    r.report_date,
    r.eps
FROM
    trades t
JOIN
    (
        SELECT
            t.id AS trade_id,
            MIN(DATEDIFF(t.trade_date, r.report_date)) AS min_date_diff
        FROM
            trades t
        JOIN
            reports r ON t.stock_code = r.company_code AND t.trade_date >= r.report_date
        GROUP BY
            t.id
    ) subquery ON t.id = subquery.trade_id
JOIN
    reports r ON t.stock_code = r.company_code AND DATEDIFF(t.trade_date, r.report_date) = subquery.min_date_diff;

• 场景描述
• 假设有一个商店位置数据表（store_locations
  ），包含商店编号（store_id
  ）、商店经度（store_longitude
  ）和纬度（store_latitude
  ）；还有一个用户位置数据表（user_locations
  ），包含用户编号（user_id
  ）、用户经度（user_longitude
  ）和纬度（user_latitude
  ）。
• 应用方式
• 可以使用单向近距离匹配来为每个用户找到最近的商店。这里的距离可以通过地理空间距离公式（如哈弗辛公式）来计算，不过为了简化，也可以先计算经度差和纬度差的绝对值之和作为距离的近似值。通过非等值连接和选择差值最小的记录，就可以找到每个用户最近的商店，这对于推荐附近的商店或者分析店铺的服务范围很有帮助。

-- 找到每个用户位置对应的最近商店位置
SELECT
    u.user_id,
    u.user_longitude,
    u.user_latitude,
    s.store_id,
    s.store_longitude,
    s.store_latitude
FROM
    user_locations u
JOIN
    (
        SELECT
            u.id AS user_id,
            MIN(ABS(u.user_longitude - s.store_longitude) + ABS(u.user_latitude - s.store_latitude)) AS min_distance
        FROM
            user_locations u
        JOIN
            store_locations s ON 1 = 1  -- 这里可以添加更精确的地理范围筛选条件
        GROUP BY
            u.id
    ) subquery ON u.id = subquery.user_id
JOIN
    store_locations s ON ABS(u.user_longitude - s.store_longitude) + ABS(u.user_latitude - s.store_latitude) = subquery.min_distance;