Spark SQL如何让CASE WHEN评估所有条件而非首个真值后短路

问题根源 #

SQL中CASE WHEN采用顺序判断、首个命中即返回的短路执行逻辑，设计目标就是为每一行数据返回唯一的计算值，天然不支持单条语句给同一行打多个重叠标签。你当前的写法只能给每条日期匹配到第一个符合条件的月份，不可能实现“4月5日同时归属于4月及后续所有月份分组”的需求。
重叠分组的核心是一条原始数据需要匹配多条分组规则，生成多行结果，必须通过多规则匹配的方式实现，以下是两种可直接落地的方案： #

方案1：关联分组参考表（推荐，易维护） #

先构造一张存储所有分组规则的参考表，表中存每个分组对应的截止日期、分组名称，结构示例如下：

将原始业务表和这张参考表做非等值关联，只要原始日期小于等于分组截止日期，就归属到对应分组，SQL写法如下：

SELECT
  T.*,
  M.group_name AS Group_Name
FROM your_source_table T
INNER JOIN month_group_ref M
  ON T.InstanceDate <= M.group_cutoff_date
-- 如果需要匹配截止日之后归为other的逻辑，可以补充外连接+空值处理

以日期2022-04-05为例，关联后会自动匹配到截止日为2022-04-30、2022-05-31、2022-06-30的April、May、June三个分组，完全满足重叠归属的要求，不存在短路问题。后续如果需要新增、调整分组，只需要修改参考表中的数据即可，不需要改动主SQL逻辑，维护成本极低。 #

方案2：UNION ALL拆分分组规则（无依赖，适合固定分组场景） #

如果分组数量固定、不想额外创建参考表，可以把每个分组的判断逻辑拆成独立的查询段，用UNION ALL把所有分组的匹配结果拼接起来，手动实现多规则匹配：

-- 匹配1月分组
SELECT T.*, 'January' AS Group_Name FROM your_source_table T WHERE T.InstanceDate <= '2022-01-31'
UNION ALL
-- 匹配2月分组
SELECT T.*, 'February' AS Group_Name FROM your_source_table T WHERE T.InstanceDate <= '2022-02-28'
UNION ALL
-- 匹配3月分组
SELECT T.*, 'March' AS Group_Name FROM your_source_table T WHERE T.InstanceDate <= '2022-03-31'
UNION ALL
-- 匹配4月分组
SELECT T.*, 'April' AS Group_Name FROM your_source_table T WHERE T.InstanceDate <= '2022-04-30'
UNION ALL
-- 匹配5月分组
SELECT T.*, 'May' AS Group_Name FROM your_source_table T WHERE T.InstanceDate <= '2022-05-31'
UNION ALL
-- 匹配6月分组
SELECT T.*, 'June' AS Group_Name FROM your_source_table T WHERE T.InstanceDate <= '2022-06-30'
-- 如需补充other分组，可追加以下语句
-- UNION ALL
-- SELECT T.*, 'other' AS Group_Name FROM your_source_table T WHERE T.InstanceDate > '2022-06-30'

注意事项 #

• 不要试图通过调整CASE WHEN的条件写法实现重叠分组：只要是单条CASE WHEN语句，就必然遵循短路返回的逻辑，不可能突破语法限制给同一行返回多个值。
• 分组数量较多时优先选择参考表关联方案，避免长串UNION ALL导致SQL冗余、难以维护。

内容的提问来源于stack exchange，提问作者ndata