这种数据转换的最佳方法

Question

为了简单起见，我正在简化现实......

我有一张包含数百万次温度观测的表格：ObservationID，LocationID，Observation_Date，Temperature

我想编写一个查询，但也可以派生其他列，

ObservationID， LocationID， Observation_Date， 温度， Temperature_At_Last_Observation， Temperature_2_observations_ago， Temperature_3_observations_ago， Temperature_4_observations_ago， ..等..

实际上这要复杂得多，而且表中确实有数百万行。所以我想知道哪种方法最有效。

我是否从递归角度对此进行攻击？或者，因为我每行至少会有15个新列，这意味着递归会效率低下吗？

或者我是否坚持使用基于集合的方法，将观察分区为排序顺序然后加入LocationID？

有什么建议吗？

幸运的是，我还可以选择将数据加载到Teradata平台或SQL Server 2008R2平台。

Answer 1

坚持使用基于SET的方法。

在SQL Server中，考虑将LEAD（）和LAG（）与Window Aggregate函数一起使用。

在Teradata中，你可以使用Window Aggregate函数结合ROW BETWEEN n PRECEDING和n PRECEDING来回顾'n'行。

有关Teradata的示例，请查看对问题Compare 3 Consecutive Rows in a table的回复。