Question

我编写了一个sql查询，该查询从用户表中提取数据，并生成用户创建时的运行总计和累计总数。数据按周分组（使用postgres的窗口功能）。我使用左外连接来包括没有用户创建的周数。这是查询...

<!-- language: lang-sql -->

WITH reporting_period AS (
   SELECT generate_series(date_trunc('week', date '2015-04-02'), date_trunc('week', date '2015-10-02'), interval '1 week') AS interval
)

SELECT 
  date(interval) AS interval
, count(users.created_at) as interval_count 
, sum(count( users.created_at) ) OVER (order by date_trunc('week', users.created_at)) AS cumulative_count 

 FROM reporting_period 
 LEFT JOIN users 
 ON interval=date(date_trunc('week', users.created_at) )

GROUP BY interval, date_trunc('week', users.created_at) ORDER BY interval

它几乎完美无缺。在创建用户的几周内正确计算累积值。在没有用户创建的几周内，它被设置为总计，而不是累计总计。

请注意，具有** Week Tot列（interval_count）的行按预期为0，但Run Tot（cumulative_total）为1053，等于总计。

    Week          Week Tot   Run Tot
-----------------------------------
2015-03-30        | 4        | 4
2015-04-06        | 13       | 17
2015-04-13        | 0        | 1053 **
2015-04-20        | 9        | 26
2015-04-27        | 3        | 29
2015-05-04        | 0        | 1053 **
2015-05-11        | 0        | 1053 **
2015-05-18        | 1        | 30
2015-05-25        | 0        | 1053 **
...
2015-06-08        | 996      | 1031
...
2015-09-07        | 2        | 1052
2015-09-14        | 0        | 1053 **
2015-09-21        | 1        | 1053 **
2015-09-28        | 0        | 1053 **

这就是我想要的

 Week              Week Tot   Run Tot
-----------------------------------
2015-03-30        | 4        | 4
2015-04-06        | 13       | 17
2015-04-13        | 0        | 17 **
2015-04-20        | 9        | 26
2015-04-27        | 3        | 29
2015-05-04        | 0        | 29 **
...

在我看来，如果外部联接可以某种方式将总计应用到最后一列，那么应该可以应用当前的运行总数，但我不知道该怎么做。

这可能吗？

Answer 1

由于我没有在真实表上进行测试，因此无法保证开箱即用，但此处的关键是在一系列日期内加入created_at上的用户。

    with reportingperiod as (
    select intervaldate as interval_begin,
        intervaldate + interval '1 month' as interval_end
    from (
        SELECT GENERATE_SERIES(DATE(DATE_TRUNC('day', DATE '2015-03-15')),
        DATE(DATE_TRUNC('day', DATE '2015-10-15')), interval '1 month') AS intervaldate
    ) as rp 
)

select interval_end, 
    interval_count,
    sum(interval_count) over (order by interval_end) as running_sum
from (
    select interval_end, 
        count(u.created_at) as interval_count
    from reportingperiod rp
    left join ( 
        select created_at
        from users 
        where created_at < '2015-10-02' 
    ) u on u.created_at > rp.interval_begin 
        and u.created_at <= rp.interval_end
    group by interval_end
) q

Answer 2

我明白了。诀窍是子查询。这是我的方法

将count列添加到generate_series调用，默认值为0
从用户数据中选择间隔和计数（users.created_at）
联合generate_series和步骤＃2中select的结果（此时结果将为每个间隔重复）
使用子查询中的结果获取间隔和max（interval_count）以消除重复
像以前一样使用窗口聚合来获取运行总计

SELECT
interval
, interval_count 
, SUM(interval_count ) OVER (ORDER BY interval) AS cumulative_count 

FROM
 (
  SELECT interval, MAX(interval_count) AS interval_count FROM
  (
   SELECT GENERATE_SERIES(DATE(DATE_TRUNC('week', DATE '2015-04-02')),
   DATE(DATE_TRUNC('week', DATE '2015-10-02')), interval '1 week') AS interval,
   0 AS interval_count

   UNION 

   SELECT DATE_TRUNC('week', users.created_at) AS INTERVAL,
   COUNT(users.created_at) AS interval_count FROM users 

  WHERE users.created_at < date '2015-10-02'
  GROUP BY 1 ORDER BY 1 
 ) sub1

 GROUP BY interval
 ) grouped_data

我不确定此方法是否存在任何严重的性能问题，但它似乎有效。如果有人有更好，更优雅或更高效的方法，我会喜欢这些反馈。

编辑：尝试按任意时间窗分组时，我的解决方案不起作用
刚试过这个解决方案并进行了以下更改

/* generate series using DATE_TRUNC('day'...)*/

SELECT GENERATE_SERIES(DATE(DATE_TRUNC('day', DATE '2015-04-02')),
   DATE(DATE_TRUNC('day', DATE '2015-10-02')), interval '1 month') AS interval,
   0 AS interval_count

/* And this part */
SELECT DATE_TRUNC('day', users.created_at) AS INTERVAL,
   COUNT(users.created_at) AS interval_count FROM users 

  WHERE users.created_at < date '2015-10-02'
  GROUP BY 1 ORDER BY 1

例如，可以产生这些类似的结果，但是按间隔对数据进行分组 2015年3月15日 - 2015年4月14日，
4/15/15 - 5/14/15，
5/15/15 - 6/14/15
等

Postgresql运行总计，组中缺少数据和外连接

2 个答案: