Question

场合

我们有一个PostgreSQL 8.4 数据库，其中包含具有登录日期/时间和每行注销日期/时间的用户会话。我们的Web应用程序会记录此次并处理用户未明确注销的情况（会话超时）。因此，每种情况下都会给出登录日期/时间和注销日期/时间。

目标

我需要每天最大并发会话数的用户统计信息。所以，我可以说以下内容：＆＃34;在2015-03-16，登录的并发用户达到峰值 6 。＆＃34;

类似问题

此处已回答类似的问题：SQL max concurrent sessions per hour of day 但是，我无法使解决方案适应我的情况，我希望有一个结果表，显示最大值。每天并发用户会话数，而不是每小时。表格方案也略有不同，因为我的案例中的一行包含登录和注销日期/时间，而在示例中，每行代表登录或注销。此外，问题是基于MS SQL数据库环境而不是PostgreSQL。

考虑

不同用户的会话可以重叠
用户可能有定期会话，只应计算一次（按用户名分组）
会话表的表格方案如下

表格方案：

user_id     |  login_date  |  login_time  |  logout_date  |  logout_time
------------+--------------+--------------+---------------+-------------
USER32      |  2014-03-03  |    08:23:00  |   2014-03-03  |     14:44:00
USER82      |  2014-03-03  |    08:49:00  |   2014-03-03  |     17:18:00
USER83      |  2014-03-03  |    09:40:00  |   2014-03-03  |     17:31:00
USER36      |  2014-03-03  |    09:50:00  |   2014-03-03  |     16:10:00
USER37      |  2014-03-03  |    11:44:00  |   2014-03-03  |     15:21:00
USER72      |  2014-03-03  |    12:52:00  |   2014-03-03  |     12:55:00

示例

以下示例通过Google Charts API显示为时间轴应有助于了解问题：http://i.imgur.com/ZOjnLll.png

鉴于2015-03-03这一天的例子，除了USER78（6个用户）之外的所有用户都在当天的12:52到12:55之间登录。这是同时登录用户的最大数量，我在给定时间范围内每天需要这样的统计数据。

Day         |   MaxNumberOfConcurrentSessions 
------------+--------------------------------
2015-03-01  |                 2 
2015-03-02  |                 3
2015-03-03  |                 6
...

上面的时间轴截图示例为Google Charts API。

＆＃13;

google.setOnLoadCallback(drawChart);
function drawChart() {

  var container = document.getElementById('example5.1');
  var chart = new google.visualization.Timeline(container);
  var dataTable = new google.visualization.DataTable();
  dataTable.addColumn({ type: 'string', id: 'Room' });
  dataTable.addColumn({ type: 'string', id: 'Name' });
  dataTable.addColumn({ type: 'date', id: 'Start' });
  dataTable.addColumn({ type: 'date', id: 'End' });
  dataTable.addRows([
["USER78", '', new Date(2014,03,03,20,38), new Date(2014,03,03,21,14)],
["USER83", '', new Date(2014,03,03,09,40), new Date(2014,03,03,17,31)],
["USER72", '', new Date(2014,03,03,08,43), new Date(2014,03,03,08,43)],
["USER72", '', new Date(2014,03,03,09,40), new Date(2014,03,03,09,40)],
["USER72", '', new Date(2014,03,03,10,03), new Date(2014,03,03,10,06)],
["USER72", '', new Date(2014,03,03,12,52), new Date(2014,03,03,12,55)],
["USER72", '', new Date(2014,03,03,21,13), new Date(2014,03,03,21,13)],
["USER72", '', new Date(2014,03,03,21,37), new Date(2014,03,03,21,38)],
["USER72", '', new Date(2014,03,03,23,14), new Date(2014,03,03,23,15)],
["USER72", '', new Date(2014,03,03,23,27), new Date(2014,03,03,23,28)],
["USER36", '', new Date(2014,03,03,08,05), new Date(2014,03,03,09,17)],
["USER36", '', new Date(2014,03,03,09,50), new Date(2014,03,03,16,10)],
["USER36", '', new Date(2014,03,03,16,12), new Date(2014,03,03,20,29)],
["USER32", '', new Date(2014,03,03,08,23), new Date(2014,03,03,14,44)],
["USER82", '', new Date(2014,03,03,08,49), new Date(2014,03,03,17,18)],
["USER37", '', new Date(2014,03,03,08,04), new Date(2014,03,03,08,06)],
["USER37", '', new Date(2014,03,03,11,44), new Date(2014,03,03,15,21)],
["USER37", '', new Date(2014,03,03,15,34), new Date(2014,03,03,15,51)],
["USER37", '', new Date(2014,03,03,16,12), new Date(2014,03,03,16,14)],
["USER37", '', new Date(2014,03,03,16,52), new Date(2014,03,03,16,54)],
["USER37", '', new Date(2014,03,03,17,07), new Date(2014,03,03,17,08)],
["USER37", '', new Date(2014,03,03,20,20), new Date(2014,03,03,20,24)],
["USER37", '', new Date(2014,03,03,21,03), new Date(2014,03,03,21,20)],
["USER37", '', new Date(2014,03,03,22,42), new Date(2014,03,03,23,05)],
["USER37", '', new Date(2014,03,03,23,51), new Date(2014,03,03,23,56)],
["USER01", '', new Date(2014,03,03,16,11), new Date(2014,03,03,16,12)]
]);

  var options = {
    timeline: { colorByRowLabel: true }
  };

  chart.draw(dataTable, options);
}

＆＃13;

<script type="text/javascript" src="https://www.google.com/jsapi?autoload={'modules':[{'name':'visualization',
       'version':'1','packages':['timeline']}]}"></script>
<div id="example5.1" style="width:5000px;height: 600px;"></div>

＆＃13;

Answer 1

我会使用UNION ALL序列化登录和注销，“in”计为1，“out”计为-1。然后使用简单的窗口函数计算运行计数并获得每天的最大值。

由于尚未指定，因此假设：

“并发”是指同一时间点（不仅仅是在同一天）。
会话可以跨越任何时间范围（也就是多天）。
每个用户只能在某个时间点在线。因此，我的解决方案中不需要每个用户分组。

退出胜过登录。如果两者同时发生，则首先计算注销（在极端情况下导致较低的并发数）。

WITH range AS (SELECT '2014-03-01'::date AS start_date -- time range , '2014-03-31'::date AS end_date) -- inclusive bounds , cte AS ( SELECT * FROM tbl, range r WHERE login_date <= r.end_date AND logout_date >= r.start_date ) , ct AS ( SELECT log_date, sum(ct) OVER (ORDER BY log_date, log_time, ct) AS session_ct FROM ( SELECT logout_date AS log_date, logout_time AS log_time, -1 AS ct FROM cte UNION ALL SELECT login_date, login_time, 1 FROM cte ) sub ) SELECT log_date, max(session_ct) AS max_sessions FROM ct, range r WHERE log_date BETWEEN r.start_date AND r.end_date -- crop actual time range GROUP BY 1 ORDER BY 1;

您可能使用OVERLAPS中的cte运算符：

AND (login_date, logout_date) OVERLAPS (r.start_date, r.end_date)

详细说明：

Find overlapping date ranges in PostgreSQL

但这可能不是一个好主意，因为（per documentation）：

每个时间段被认为代表半开放间隔开始＆lt; =时间＆lt;结束，除非开始和结束相等它表示单一时刻。这意味着例如 只有一个共同点的两个时间段不重叠。

大胆强调我的。您的范围的上限必须是之后您想要的时间范围。

解释

CTE are available since Postgres 8.4

第一次CTE range只是为了方便提供一次的时间范围。

第二个CTE`cte'只选择相关的行：那些

在范围之前或之内开始

并在范围内或之后结束

第3次CTE ct序列化“in”和“out”点，其值为+/- 1，并使用用作窗口函数的聚合函数sum()计算运行计数。这些是available since Postgres 8.4

在最后SELECT修剪前导和尾随日期，并汇总每天的最大值。瞧。

Postgres 9.2的
SQL Fiddle Postgres 8.4太旧了，不再可用，但应该是一样的。我在测试用例中添加了一行 - 一行跨越多天。应该使它更有用。

注释

我通常会使用timestamp代替date和time。尺寸相同，更易于处理。

(login_date, logout_date DESC)上的索引有助于将性能作为最低限度。

Answer 2

到目前为止我的想法：

首先，查找会话之间所有可能的重叠（即“内部联接”和重叠条件“（s1.login_time，s1.logout_time）OVERLAPS（s2.login_time，s2.logout_time）”）
根据最小公共时间跨度查找最大并发会话数（请参阅where子句“s1.login_time＆gt; = s2.login_time AND s1.logout_time＆lt; = s2.logout_time”的最后一部分）

SQL语句如下所示：

SELECT report_date, MAX(concurrent_sessions) AS max_concurrent_sessions FROM(
  SELECT report_date, session_id, count(session_id) as concurrent_sessions from (
    SELECT s1.id AS session_id, s1.user_id, s1.login_date AS report_date, s1.login_time, s1.logout_date, s1.logout_time, s2.id, s2.user_id, s2.    login_date, s2.login_time, s2.logout_date, s2.logout_time 
    FROM sessions s1
    INNER JOIN sessions s2 ON s1.login_date = s2.login_date
    WHERE s1.login_date between '2014-03-01' AND '2014-03-31' AND (s1.login_time, s1.logout_time) OVERLAPS (s2.login_time, s2.logout_time) AND s1.    login_time >= s2.login_time AND s1.logout_time <= s2.logout_time
    ORDER BY s1.id
  ) AS concurrent_overlapping_sessions 
  GROUP BY report_date, session_id 
) AS max_concurrent_overlapping_sessions
GROUP BY report_date
ORDER BY report_date

与其他提议的解决方案相比，您对此解决方案有何看法（例如性能，正确性等）？

最大数量每天的并发用户会话数

2 个答案:

解释

注释