Question

我正在为点击流数据创建会话ID。如果用户在其活动之间超过30分钟不活动（即，具有链接链的记录之间的时差），则会创建并分配新的会话ID。

到目前为止，我能够创建一个全新的表，并将新的会话ID分配为主表中可用数据的单独列。

这是一个计算量很大的查询，占用更多的存储空间，因为它创建了一个全新的表（当主表仍然同时存在时）。创建新表后，我不得不删除主表。

是否可以分配会话ID并完成整个过程而无需创建新表？优化的查询需要在Redshift Postgresql中工作。

CREATE TABLE <new_table_name> AS
SELECT * , userid || '_' || SUM(session) OVER (PARTITION BY userid ORDER BY date rows unbounded preceding) AS session_id
FROM (
  SELECT *
    , CASE 
              WHEN EXTRACT(EPOCH FROM date) - LAG(EXTRACT(EPOCH FROM date)) OVER (PARTITION BY userid ORDER BY date) >= 30 * 60 
              THEN 1
              WHEN row_number() over (partition by userid order by date) = 1
              THEN 1
        ELSE 0
      END as session
    FROM
      <table_name>
);

Answer 1

这（添加会话列后）？

UPDATE <table_name> SET session=s.session
FROM (
    SELECT user_id, date,
        CASE
        WHEN EXTRACT(EPOCH FROM date) - LAG(EXTRACT(EPOCH FROM date))
            OVER (PARTITION BY userid ORDER BY date) >= 30 * 60 THEN 1
        WHEN row_number() over (partition by userid order by date) = 1 THEN 1
        ELSE 0 END as session
    FROM <table_name>
) s where <table_name>.user_id = s.user_id and <table_name>.date = s.date

可以使用UPDATE语句优化此Redshift Postgresql查询吗？

1 个答案: