Question

我正在尝试为Query编写逻辑，这将允许我对用户活动进行分类：

•问题是一个表格，其中包含约5分钟的所有用户活动（并非所有用户都是5分钟，约3分钟，其他4分钟）并记录每个用户在特定状态下花费的时间

•用户通常会在当天的状态之间跳转。

问题：如果用户在不改变状态的情况下连续花费超过3小时（180分钟），则必须报告为：“未分类”

我正在使用的表的当前视图：

user_id record_date user_status
user1   9/3/2017 14:25  status_1
user1   9/3/2017 14:30  status_3
user1   9/3/2017 14:35  status_3
user1   9/3/2017 14:40  status_2
user1   9/3/2017 14:45  status_2
user1   9/3/2017 14:50  status_2
user1   9/3/2017 14:55  status_2
user1   9/3/2017 15:00  status_2
user1   9/3/2017 15:05  status_2
user1   9/3/2017 15:10  status_2
user1   9/3/2017 15:15  status_2
user1   9/3/2017 15:20  status_2
user1   9/3/2017 15:25  status_2
user1   9/3/2017 15:30  status_2
user1   9/3/2017 15:30  status_2
user1   9/3/2017 15:35  status_2
user1   9/3/2017 15:40  status_2
user1   9/3/2017 15:43  status_3
user1   9/3/2017 15:45  status_3
user1   9/3/2017 15:50  status_2
user1   9/3/2017 15:50  status_2
user1   9/3/2017 15:55  status_2
user1   9/3/2017 16:00  status_2
user1   9/3/2017 16:00  status_2
user1   9/3/2017 16:04  status_2

我开始测试以下逻辑，但是一旦我发现每个插槽不完全是5分钟，我就无法继续。

SELECT user_id ,record_date
            ,CASE 
                  WHEN SUM(status_1) OVER (
                              PARTITION BY user_id ORDER BY record_date ASC ROWS BETWEEN 35 PRECEDING
                                          AND current row
                              ) >= 180
                        THEN 1
                  ELSE 0
                  END AS unclassified_flag

--2
  ,CASE 
                  WHEN SUM(status_2) OVER (
                              PARTITION BY user_id ORDER BY record_date ASC ROWS BETWEEN 35 PRECEDING
                                          AND current row
                                  ) >= 180
                            THEN 1
                      ELSE 0
                      END AS unclassified_flag
FROM table

任何替代逻辑的想法都值得赞赏

Answer 1

签出窗口功能LAG() https://docs.aws.amazon.com/redshift/latest/dg/r_WF_LAG.html

您可以为每行添加前一个时间戳，然后可以简单地获取间隔时间和按状态分组。唯一的缺点是它将包括用户不活动的时间，因此您可能要扔掉一些大东西。

例如

with status_intervals as (
SELECT
  user_id, status, record_date
  ,lag(record_date) OVER (PARTITION BY user_id ORDER BY record_date) as last_date
FROM
  table
)
SELECT
  user_id, status
  ,sum(datediff(second, last_date, record_date)) as total_time_in_status
FROM
   status_intervals
WHERE
   datediff(second, last_date, record_date) < 900 --arbitrarily deciding 15min is likely inactive
GROUP BY
   user_id, status

跟踪用户状态的变化

1 个答案: