Greenplum 6中按表A限制抽取表B数据填充新表的方法

环境与表结构 #

我正在使用基于PostgreSQL 9.4的Greenplum 6，现有两张示例表：

表SAMPLE_A #

表SAMPLE_B #

需求描述 #

需要创建新表，核心逻辑如下：

• 遍历SAMPLE_A的每个uniqueId，从SAMPLE_B中随机抽取对应SampleSz数量的IP
• 抽取条件：目标IP对应的SAMPLE_B.uniqueId数组中包含当前处理的SAMPLE_A.uniqueId
• 按SAMPLE_A的uniqueId依次处理，最终汇总所有抽取结果

尝试的SQL及问题 #

我先针对单条记录的逻辑编写了如下SQL，但执行失败：

select i.ip, s.uniqueId
from SAMPLE_A s
join lateral (
   select distinct ip
   from SAMPLE_B i
   where s.uniqueId = any(i.uniqueId)
-- ORDER BY random()
   LIMIT s.SampleSz
   ) i on true

执行时抛出解组错误，且即使能运行，也无法覆盖完整需求场景，这只是我尝试的第一步。

更新：期望结果集 #

原示例表的数据量太小，结果不具参考性，因此假设SAMPLE_B包含3.4.7.0至3.4.7.255的所有IP，每个IP对应的uniqueId数组都包含1、2、3三个值。此时期望结果规则为：

• uniqueId=2：因样本量50450大于IP总数256，返回全部256条IP
• uniqueId=1：随机返回25条IP
• uniqueId=3：随机返回9条IP

示例结果片段：

内容的提问来源于stack exchange，提问作者S Ayo