Spark-SQL Databricks技术问题：获取Open状态最小日期单条记录

要获取Open状态下STRT_DT_EST最小的单条记录，推荐使用Spark-SQL的窗口函数实现，逻辑清晰且高效：

方法一：窗口函数（全局最小Open记录） #

适合从指定订单的所有Open记录中，取STRT_DT_EST最小的那一条：

WITH ranked_open_records AS (
    SELECT 
        o.svc_ord_nbr AS SVC_ORD_NBR,
        o.svc_ord_stat_nm AS SVC_ORD_STAT_NM,
        t.start_date_est AS STRT_DT_EST,
        t.status_text,
        -- 按预估开始日期升序排序，最小日期的记录排名为1
        ROW_NUMBER() OVER (ORDER BY t.start_date_est ASC) AS rn
    FROM A o 
    INNER JOIN B t ON t.ticket = o.notif_nbr
    WHERE 
        o.svc_ord_nbr IN ('021519_574819','110714_246149')
        AND o.svc_ord_stat_nm = 'Open'
)
SELECT SVC_ORD_NBR, SVC_ORD_STAT_NM, STRT_DT_EST, status_text
FROM ranked_open_records
WHERE rn = 1;

方法二：窗口函数（按订单取最小Open记录） #

如果需要每个指定订单各自的最小Open状态记录，只需给窗口函数添加分区：

WITH ranked_open_records AS (
    SELECT 
        o.svc_ord_nbr AS SVC_ORD_NBR,
        o.svc_ord_stat_nm AS SVC_ORD_STAT_NM,
        t.start_date_est AS STRT_DT_EST,
        t.status_text,
        -- 按服务订单分区，每个订单内按预估开始日期升序排序
        ROW_NUMBER() OVER (PARTITION BY o.svc_ord_nbr ORDER BY t.start_date_est ASC) AS rn
    FROM A o 
    INNER JOIN B t ON t.ticket = o.notif_nbr
    WHERE 
        o.svc_ord_nbr IN ('021519_574819','110714_246149')
        AND o.svc_ord_stat_nm = 'Open'
)
SELECT SVC_ORD_NBR, SVC_ORD_STAT_NM, STRT_DT_EST, status_text
FROM ranked_open_records
WHERE rn = 1;

方法三：子查询关联 #

如果不喜欢CTE写法，也可以用子查询先找到最小的STRT_DT_EST，再关联获取完整记录：

SELECT 
    o.svc_ord_nbr AS SVC_ORD_NBR,
    o.svc_ord_stat_nm AS SVC_ORD_STAT_NM,
    t.start_date_est AS STRT_DT_EST,
    t.status_text
FROM A o 
INNER JOIN B t ON t.ticket = o.notif_nbr
WHERE 
    o.svc_ord_nbr IN ('021519_574819','110714_246149')
    AND o.svc_ord_stat_nm = 'Open'
    AND t.start_date_est = (
        SELECT MIN(t2.start_date_est)
        FROM A o2 
        INNER JOIN B t2 ON t2.ticket = o2.notif_nbr
        WHERE 
            o2.svc_ord_nbr IN ('021519_574819','110714_246149')
            AND o2.svc_ord_stat_nm = 'Open'
    )
LIMIT 1; -- 若存在多条相同最小日期的记录，用LIMIT 1取单条

说明 #

原SQL的问题在于：

• 分组包含了t.status_text，可能拆分Open状态的记录，导致无法直接聚合出最小日期
• 未过滤Open状态的记录
• DISTINCT关键字多余，分组查询本身已经去重

内容的提问来源于stack exchange，提问作者Krishna