sql – 考虑组中的每个id的单个记录

背景

我有一个包含4列的sql表：

> id – varchar(50)
> g1 – varchar(50)
> g2 – varchar(50)
> datetime – 时间戳

我有这个问题：

SELECT g1,COUNT(disTINCT id),SUM(COUNT(disTINCT id)) OVER () AS total,(CAST(COUNT(disTINCT id) AS float) / SUM(COUNT(disTINCT id)) OVER ()) AS share
FROM my_table
and g2 = 'start'
GROUP BY 1
order by share desc

构建此查询是为了回答：用户中g1值的分布是什么？

问题

每个id可能在表中有多个记录.我想考虑最早的一个.早期意味着,最小日期时间值.

例

表

id    g1    g2      datetime
x1    a     start   2016-01-19 21:01:22
x1    c     start   2016-01-19 21:01:21
x2    b     start   2016-01-19 09:03:42
x1    a     start   2016-01-18 13:56:45

实际查询结果

g1  count   total   share
a   2       4       0.5
b   1       4       0.25
c   1       4       0.25

我们有4条记录,但我只想考虑两条记录：

x2    b     start   2016-01-19 09:03:42
x1    a     start   2016-01-18 13:56:45

这是每个id最早的记录.

预期的查询结果

g1  count   total   share
a   1       2       0.5
b   1       2       0.5

题

我如何仅考虑组中每个id的最早记录

解决方法

您正在查询my_table的所有数据,尽管您只想拥有最早的id日期.我假设id是表中的主键.

我建议您定义一个视图(或内联视图),它只查询id的最早日期,并在该视图上使用您的查询而不是my_table.

视图可以定义为如此,并且只包含最早日期的id：

select * from my_table a 
where a.datetime = (select min(z.datetime) from my_table z where a.id = z.id) and a.g2 = 'start'

您可以将其定义为视图或直接使用它,如下所示：

SELECT g1,(CAST(COUNT(disTINCT id) AS float) / SUM(COUNT(disTINCT id)) OVER ()) AS share
FROM (select a.id,a.g1,a.g2,a.datetime from my_table a where a.datetime = (select min(z.datetime) from my_table z where a.id = z.id) and a.g2 = 'start')
GROUP BY 1
order by share desc