У меня есть база данных, такая как:
select * from (
values ('A', 1, 2), ('A', 2, 3), ('A', 3, 4),
('B', 4, 5), ('B', 5, 6), ('A', 6, 7),
('C', 7, 8), ('C', 8, 9)
) example_table("state", "start", "end")
-- example table:
-- state start stop
-- A t1 t2
-- A t2 t3
-- A t3 t4
-- B t4 t5
-- B t5 t6
-- A t6 t7
-- C t7 t8
-- C t8 t9
Я хочу свернуть интервалы по state
а также соблюдать промежуточные переключатели состояния:
state start stop
A t1 t4
B t4 t6
A t6 t7
C t7 t9
Просто использование group by state
не будет работать, так как в выводе для данного state
имеется несколько строк.
Это похоже на использование оконных функций, но я не уверен, что разбить строки.
Я хотел бы создать group_id
как следующий шаг как промежуточный шаг:
group state start stop
1 A t1 t2
1 A t2 t3
1 A t3 t4
2 B t4 t5
2 B t5 t6
3 A t6 t7
4 C t7 t8
4 C t8 t9
Затем я мог бы группироваться по group
и выбирать min(start)
и max(stop)
, но я не знаю, как создать эту переменную (эффективно). В RI будет использовать функцию rle
чтобы сделать это, но я не знаю эквивалента Presto.
Этот ответ был обновлен, чтобы отразить следующий успешный ответ
with example_table("state", "start", "end") as (
values ('A', 1, 2), ('A', 2, 3), ('A', 3, 4),
('B', 4, 5), ('B', 5, 6), ('A', 6, 7),
('C', 7, 8), ('C', 8, 9)
), table_with_lags as (
-- detect state changes by observing the lagged value
select *, lag(state) over(order by start) as lag_state,
-- need to track the final value since it may be lost below
last_value("end") over(order by start rows between
0 preceding and unbounded following)
as end_period
from example_table
)
select state, start,
-- force-re-establish the start(+1) = end(0) link;
-- at the end of the period, override this with the
-- final observed value instead of null
lead(start, 1, end_period) over(order by start) as "end"
from table_with_lags
-- lag_state will be null for the first row
where state <> lag_state or lag_state is null
order by start
С выходом:
state start stop
A 1 4
B 4 6
A 6 7
C 7 9
rows between 0 preceding and unbounded following
битом немного подробные, поэтому вы также можете перевернуть логику и выполнить:
table_with_leads as (
select state, start, "end",
lead(state) over(order by start) as lead_state,
first_value(start) over(order by start) as start_period
from example_table
)
select state, lag("end", 1, start_period) over(order by start) as start, "end"
from table_with_lags
where state <> lead_state or lead_state is null
order by start
Следующие работы, но не работают в масштабе (даже на 10% подвыборке данных, я получаю ошибку "превышение локальной памяти"):
with switches as (
-- coalesce since the first row will be NULL, need it false
select *, coalesce(state <> lag(state) over(order by start), false) switched
from (
values ('A', 1, 2), ('A', 2, 3), ('A', 3, 4),
('B', 4, 5), ('B', 5, 6), ('A', 6, 7),
('C', 7, 8), ('C', 8, 9)
) example_table("state", "start", "stop")
), groups as (
-- create the group ID as the accumulation of the state switches
-- since only one state switch can happen per group
select *, sum(cast(switched as bigint)) over (order by start) group_id
from switches
)
select min(state) state, min(start) start, max(stop) stop
from groups group by group_id order by start;
-- state start stop
-- A 1 4
-- B 4 6
-- A 6 7
-- C 7 9
В настоящее время я нашел успех, временно сохраняя groups
в виде таблицы, а затем отдельно select
из groups
, что, как представляется, оборачивается проблемой ОЗУ (что несколько удивительно для меня). Это вряд ли кажется идеальным, но по мере того, как он выполняет свою работу, я доволен придерживаться этого на данный момент.