判断两字符串列子集关系：当前SPLIT+ARRAY_INTERSECT方法是否高效？

我有一张包含name和full name列的表，需要判断name是否是full name的子集且两列内容不相等。示例数据如下：

我已经实现了一种基于SPLIT和ARRAY_INTERSECT的方法，但想知道有没有更简洁或高效的写法。当前使用的SQL语句如下：

SELECT 
name,
"full name",
CARDINALITY(
    ARRAY_INTERSECT(
        SPLIT(name, ' '),
        SPLIT("full name", ' ')
    )
) = CARDINALITY(SPLIT(name, ' ')) 
AND CARDINALITY(SPLIT("full name", ' ')) > CARDINALITY(SPLIT(name, ' ')) AS is_subset
from t

更简洁的实现：利用ARRAY_CONTAINS_ALL函数 #

如果你的SQL引擎（比如Spark SQL、Databricks SQL、BigQuery等）支持ARRAY_CONTAINS_ALL，可以直接用这个函数简化逻辑，同时避免重复计算：

SELECT
    name,
    "full name",
    ARRAY_CONTAINS_ALL(SPLIT("full name", ' '), SPLIT(name, ' '))
    AND name != "full name" AS is_subset
FROM t

ARRAY_CONTAINS_ALL(full_name_arr, name_arr)会直接判断name拆分后的所有元素是否都存在于full name的拆分结果中，再加上name != "full name"确保两列内容不重复，完全符合需求。

提升效率：避免重复调用SPLIT #

原语句中多次调用SPLIT会增加计算开销，尤其在数据量较大时。可以用CTE（公共表表达式）提前拆分字符串为数组，后续逻辑直接复用：

WITH split_names AS (
    SELECT
        name,
        "full name",
        SPLIT(name, ' ') AS name_arr,
        SPLIT("full name", ' ') AS full_name_arr
    FROM t
)
SELECT
    name,
    "full name",
    CARDINALITY(ARRAY_INTERSECT(name_arr, full_name_arr)) = CARDINALITY(name_arr)
    AND CARDINALITY(full_name_arr) > CARDINALITY(name_arr) AS is_subset
FROM split_names

这种写法每个字符串只拆分一次，减少了重复计算，性能更优。

内容的提问来源于stack exchange，提问作者Josh Friedlander