作者
在日常工作中，Data Engineer 和 Data 分析师需要改进 data 采集流程。除了常规的单元测试外，出于影响分析或非回归测试等不同目的，简单快速地比较两个 data 集（即表、视图、查询等）可能也很有趣。此外，识别快照表的两个视角之间的差异对于临时分析或调试也非常有用。.
考虑到这一点，对于 SQL 从业人员来说，预置和可重复使用的脚本是有意义的，这也是本文的目的所在。.
即用型 SQL 模板说明
让我们带着期待的疑问直奔问题的核心：
现在，让我们来解释一下：
注：显然，要使用上述查询，前提条件是要有两个具有可比字段的 datasets
图例
理论说完了，现在说说实践！假设一家超市想 检索所有产品 有资格在单个表格中按星期晋级的人数 晋升条件.
作为初步声明，我们认为以下产品有库存：
根据第 1 周的晋升条件：
dataset_1 是：
第 2 周，晋级条件演变为：
data 管道演进生成 dataset_2：
但是......我们对结果真的有信心吗？典型的问题有：
注意：即使通过一个小 dataset 的微不足道的示例，直观地回答上述问题似乎很容易，但在实际使用中，我们通常会面对来自复杂查询（转换、连接、聚合、窗口函数......）的大量行和列，这就使得该查询具有了完整的意义
让我们尝试通过解释对比查询结果来回答这 3 个问题：
意见：
最后，一切看起来都很好：
技巧和窍门
在 CTE 中，即使您可以复制粘贴摄取 SQL 查询的前后演变，也不妨 将结果保存在临时表格中 以简化比较，提高查询性能，并在多次运行时从缓存中获益。.
在现实世界中，两个 data 集之间的分歧可能会很混乱。那么, 结果排序 通过键（datasets 的粒度）和标志可以极大地帮助解释和比较来自两个 datasets 的等价行。.
为便于调查和确定差距的来源，《世界遗产名录》中的 可疑 datasets 公共领域 可以从比较中删除（即在 CTE 中注释）：如果没有结果，说明所有比较字段都相等。然后，您就可以在下一次比较中只关注剩余的可疑字段，并逐步进行比较。.
注：可以使用 LEFT JOIN 策略进行等效分析，但维护起来会更加困难（空值和字段比较管理），效率也会更低，因为集合运算符比连接运算符更强大。.
摘要
因此，这种模板化查询能让开发人员更轻松地对复杂的 data 管道上的更改进行快速验证。它可以作为更传统的单元测试的补充，甚至可以在比较具有类似结构的任何两个 data 集时以更普遍的方式加以考虑。最后但并非最不重要的一点是，这种查询的逻辑甚至很容易背诵！
感谢您的阅读，希望我说得够清楚，也很高兴听到您的反馈意见 :)
