Regla de análisis de lista - AWS Clean Rooms
Estructura y sintaxis de las consultas de listaRegla de análisis de lista: controles de consultaEstructura predefinida de la regla de análisis de listaRegla de análisis de lista: ejemplo

Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

Regla de análisis de lista

nota

Se aplica a: motor de análisis AWS Clean Rooms SQL

En AWS Clean Rooms, una regla de análisis de listas genera listas a nivel de fila de la superposición entre la tabla configurada a la que se agrega y las tablas configuradas del miembro que puede realizar la consulta. El miembro que puede realizar consultas ejecuta consultas que incluyen una regla de análisis de lista.

El tipo de regla de análisis de listas admite casos de uso como el enriquecimiento y la creación de audiencia.

Para obtener más información sobre la estructura y la sintaxis de consulta predefinidas de esta regla de análisis, consulte Estructura predefinida de la regla de análisis de lista.

Los parámetros de la regla de análisis de lista, que se define en Regla de análisis de lista: controles de consulta, tienen controles de consulta. Estos controles de consulta incluyen la posibilidad de seleccionar las columnas que se pueden enumerar en la salida. La consulta debe tener al menos una combinación con una tabla configurada del miembro que puede realizar consultas, ya sea de forma directa o transitiva.

No hay controles de resultados de consulta como los que existen para la regla de análisis de agregación.

Las consultas de lista solo pueden utilizar operadores matemáticos. No pueden usar otras funciones (por ejemplo, de agregación o escalares).

Estructura y sintaxis de las consultas de lista

Las consultas de las tablas que tienen una regla de análisis de lista deben respetar la siguiente sintaxis. 


--select_list_expression
SELECT 
[TOP number ] DISTINCT column_name [[AS] column_alias ] [, ...] 

--table_expression
FROM table_name [[AS] table_alias ]
  [[INNER] JOIN table_name [[AS] table_alias] ON join_condition] [...]

--where_expression
[WHERE where_condition]          

--limit_expression
[LIMIT number]

En la siguiente tabla se explica cada una de las expresiones enumeradas en la sintaxis anterior.

Expression Definición Ejemplos
select_list_expression

Una lista separada por comas que contiene al menos un nombre de columna de tabla.

Es obligatorio un parámetro DISTINCT.

nota

La select_list_expression pueden asignar un alias a las columnas con o sin el parámetro AS.

También admite el parámetro TOP. Para obtener más información, consulte Referencia de SQL de AWS Clean Rooms.

SELECT DISTINCT segment
table_expression

Una tabla, o combinación de tablas, con join_condition para conectarla a join_condition.

join_condition devuelve un valor booleano.

La table_expression admite:

  • Un tipo de unión específico (INNER UNIRSE)

  • Las condiciones de comparación de igualdad dentro de una join_condition (=)

  • Operadores lógicos (AND, OR).

 
FROM consumer_table 
INNER JOIN provider_table
ON
consumer_table.identifier1 = provider_table.identifier1
AND
consumer_table.identifier2 = provider_table.identifier2
where_expression Una expresión condicional que devuelve un valor booleano. Puede constar de los siguientes elementos:

  • Nombres de columna de la tabla

  • Operadores matemáticos

  • Literales de cadena

  • Literales numéricos

Las condiciones de comparación admitidas son (=, >, <, <=, >=, <>, !=, NOT, IN, NOT IN, LIKE, IS NULL, IS NOT NULL).

Los operadores lógicos admitidos son (AND, OR).

La where_expression es opcional.

WHERE state + '_' + city = 'NY_NYC'

WHERE timestampColumn = timestampColumn2 - 14

limit_expression

Esta expresión debe tener adoptar un entero positivo. También se puede intercambiar con un parámetro TOP.

La limit_expression es opcional.

LIMIT 100

En cuanto a la estructura y sintaxis de las consultas de lista, tenga en cuenta lo siguiente:

  • No se admiten comandos SQL distintos de SELECT.

  • Subconsultas y expresiones de tabla comunes (por ejemplo, WITH) no se admiten

  • TENIENDO, GROUP BY, y ORDER BY no se admiten cláusulas

  • No se admite el parámetro OFFSET.

Regla de análisis de lista: controles de consulta

Los controles de consulta de lista le permiten controlar cómo se utilizan las columnas de su tabla a la hora de consultar esta última. Por ejemplo, puede controlar qué columna se usa para unir o qué columna se puede usar en la instrucción SELECT y WHERE cláusula.

En las secciones siguientes se explica cada uno de los controles.

Controles de combinación

Con los controles Join, puede controlar cómo se puede unir su tabla a otras tablas de la table_expression. AWS Clean Rooms solo admite INNER UNIRSE. En la regla de análisis de listas, al menos una INNER Es obligatorio unirse y el miembro que puede realizar la consulta debe incluir una tabla de su propiedad en el INNER UNIRSE. Esto significa que deben combinar su tabla con la suya, ya sea de forma directa o transitiva.

A continuación se muestra un ejemplo de transitividad.

ON 
my_table.identifer = third_party_table.identifier 
.... 
ON 
third_party_table.identifier = member_who_can_query_table.id

INNER Las sentencias JOIN solo pueden usar columnas que se hayan clasificado explícitamente como a joinColumn en su regla de análisis.

La INNER JOIN debe funcionar en una joinColumn tabla configurada y en otra tabla configurada joinColumn de la colaboración. Usted decide qué columnas de la tabla se pueden usar como joinColumn.

Cada condición de coincidencia dentro del ON la cláusula es necesaria para utilizar la condición de comparación de igualdad (=) entre dos columnas.

Varias condiciones de coincidencia dentro de un ON la cláusula puede ser:

  • Combinación con el operador lógico AND

  • Separación mediante el operador lógico OR

nota

Todos JOIN las condiciones de coincidencia deben coincidir con una fila de cada lado del JOIN. Todos los condicionales conectados por un operador AND lógico OR o uno lógico también deben cumplir con este requisito.

A continuación se muestra un ejemplo de consulta con un operador lógico AND.

SELECT some_col, other_col 
FROM table1 
    JOIN table2 
    ON table1.id = table2.id AND table1.name = table2.name

A continuación se muestra un ejemplo de consulta con un operador lógico OR.

SELECT some_col, other_col 
FROM table1 
    JOIN table2 
    ON table1.id = table2.id OR table1.name = table2.name
Control Definición Uso
joinColumns Las columnas que desea permitir que el miembro que puede realizar la consulta las utilice en el INNER Declaración JOIN.

Una misma columna no se puede categorizar como joinColumn y listColumn a la vez (consulte Controles de lista).

joinColumnno se puede usar en ninguna otra parte de la consulta que no sea INNER UNIRSE.

Controles de lista

Los controles de lista controlan las columnas que se pueden enumerar en el resultado de la consulta (es decir, se pueden utilizar en la instrucción SELECT) o se pueden utilizar para filtrar los resultados (es decir, se pueden utilizar en el WHERE declaración).

Control Definición Uso
listColumns Las columnas que permites que el miembro que puede realizar la consulta utilice en SELECT y WHERE A se listColumn puede usar en SELECT y WHERE.

Una misma columna no se puede usar como listColumn y joinColumn a la vez.

Estructura predefinida de la regla de análisis de lista

El siguiente ejemplo incluye una estructura predefinida que muestra cómo completar una regla de análisis de lista.

En el siguiente ejemplo, MyTable hace referencia a nuestra tabla de datos. Puede reemplazar cada uno user input placeholder con su propia información. 

{
  "joinColumns": [MyTable column name(s)],
  "listColumns": [MyTable column name(s)],
}

Regla de análisis de lista: ejemplo

El siguiente ejemplo demuestra cómo dos empresas pueden colaborar en el AWS Clean Rooms uso del análisis de listas.

La empresa A dispone de datos de administración de las relaciones con los clientes (CRM). La empresa A desea obtener datos de segmento adicionales sobre sus clientes para conocer mejor a estos últimos y, posiblemente, utilizar los atributos como entrada en otros análisis. La empresa B tiene datos de segmento compuestos por atributos de segmento únicos que creó basándose en sus datos de primera parte. La empresa B desea proporcionar los atributos de segmento únicos a la empresa A solo para aquellos clientes que se superponen entre sus datos y los datos de la empresa A.

Las empresas deciden colaborar para que la empresa A pueda enriquecer los datos superpuestos. La empresa A es el miembro que puede realizar consultas y la empresa B es el colaborador.

Para crear una colaboración y ejecutar en ella un análisis de lista, las empresas hacen lo siguiente:

  1. La empresa A crea una colaboración y crea una pertenencia. La colaboración tiene a la empresa B como un miembro más de la colaboración. La empresa A habilita el registro de consultas en la colaboración y habilita el registro de consultas en su cuenta.

  2. La empresa B crea una pertenencia en la colaboración. Habilita el registro de consultas en su cuenta.

  3. La empresa A crea una tabla configurada de CRM.

  4. La empresa A agrega la regla de análisis a la tabla configurada por el cliente, como se muestra en el siguiente ejemplo.

    {
  "joinColumns": [
    "identifier1",
    "identifier2"
  ],
  "listColumns": [
    "internalid",
    "segment1",
    "segment2",
    "customercategory"
  ]
}

    joinColumns: la empresa A quiere usar hashedemail y/o thirdpartyid (obtenidos de un proveedor de identidad) para cotejar los clientes de los datos de CRM con los clientes de los datos de segmento. Esto ayudará a garantizar que la empresa A relacione los datos enriquecidos con los clientes correctos. Tienen dos JoinColumns para mejorar potencialmente la tasa de coincidencia del análisis.

    listColumns: la empresa A usa listColumns para obtener columnas enriquecidas junto con un internalid que utiliza en sus propios sistemas. Añade segment1, segment2 y customercategory para, potencialmente, limitar el enriquecimiento a segmentos específicos mediante su uso en filtros.

  5. La empresa B crea una tabla configurada de segmento.

  6. La empresa B añade la regla de análisis a la tabla configurada por de segmento. 

    {
  "joinColumns": [
    "identifier2"
  ],
  "listColumns": [
    "segment3",
    "segment4"
  ]
}

    joinColumns: la empresa B permite a la empresa A combinarse con identifier2 para relacionar a los clientes de los datos de segmento con los datos de CRM. La empresa A y la empresa B trabajaron con el proveedor de identidades para obtener un identifier2 que se ajustara a la colaboración. No añadieron otras joinColumns porque creían que identifier2 proporciona la tasa de coincidencia más alta y precisa y que no se precisaban otros identificadores para las consultas.

    listColumns: la empresa B permite a la empresa A enriquecer sus datos con los atributos segment3 y segment4, que son atributos únicos que han creado, recopilado y alineado en (con el cliente A) para formar parte del enriquecimiento de datos. Quieren que la empresa A obtenga estos segmentos para solaparlos a nivel de fila, ya que se trata de una colaboración de enriquecimiento de datos.

  7. La empresa A crea una asociación a la tabla de CRM en la colaboración.

  8. La empresa B crea una asociación a la tabla de segmento en la colaboración.

  9. La empresa A ejecuta consultas, como la siguiente, para enriquecer los datos de clientes que se solapan. 

    SELECT companyA.internalid, companyB.segment3, companyB.segment4
INNER JOIN returns companyB
 ON companyA.identifier2 = companyB.identifier2
WHERE companyA.customercategory > 'xxx'

  10. La empresa A y la empresa B revisan los registros de consultas. La empresa B comprueba que la consulta se ajusta a lo acordado en el contrato de colaboración.