问题描述
访客可以OPEN
房屋的前门,然后ENTER
房屋中的几个房间。完成所有这些之后,他将再次OPEN
前门,离开家。这给出了以下示例数据:
13:00 John OPEN
13:00 John ENTER Hall
13:30 John ENTER Kitchen
13:45 John ENTER Living room
14:00 John OPEN
13:30 Steve OPEN
13:30 Steve ENTER Hall
13:40 Steve ENTER Stairs
14:00 Steve ENTER bed room
16:00 Steve ENTER Stairs
16:10 Steve OPEN
因此,换句话说,我们总是只有一个OPEN
条目,然后是一个或多个ENTER
条目,最后只有一个OPEN
条目。另外,多个访客可以同时在房子里,而且他们可以多次访问房子,完全没有限制。
让我们将OPEN
到OPEN
的序列定义为会话。现在,我想为每个会话创建一行,其中包含所有发生的事件,如下所示:
[13:00,14:00) John (13:00,Hall),(13:30,Kitchen),(13:45,Living room)
[13:30,16:10) Steve (13:30,(13:40,Stairs),(14:00,bed room),(16:00,Stairs)
如何有效地做到这一点?
我有一个有效的n^2
解决方案,该解决方案首先为每个会话获取第一个和最后一个ENTER
(使用窗口函数lead
和lag
,然后与上一个进行比较) ),然后在外部循环中搜索所有交错的ENTER
条目。这显然表现不佳。
是否有一种方法可以扫描数据集一次,将属于同一会话的所有ENTER
个条目标记为唯一的序列号,然后最终对该序列进行分组?我为此感到震惊。
解决方法
一种可能的解决方案是SUM
到表中当前行为止OPEN
的出现(按名称划分并按时间排序),然后将其除以2得到当前访问号。然后可以将其用于对结果进行分组:
WITH CTE AS (
SELECT *,(1 + SUM(CASE WHEN action = 'OPEN' THEN 1 ELSE 0 END) OVER (PARTITION BY name ORDER BY time)) / 2 AS access
FROM data
)
SELECT MIN(time),MAX(time),name,ARRAY_AGG(time || ',' || action) AS actions
FROM CTE
GROUP BY name,access
ORDER BY MIN(time),name
(我的扩展演示的输出,其中John
有第二次访问):
min max name actions
13:00 14:00 John ["13:00,OPEN","13:00,ENTER Hall","13:30,ENTER Kitchen","13:45,ENTER Living room","14:00,OPEN"]
13:30 16:10 Steve ["13:30,"13:40,ENTER Stairs",ENTER Bed room","16:00,"16:10,OPEN"]
15:00 16:00 John ["15:00,"15:00,"15:30,"15:45,OPEN"]