Question

考虑以下简化情况：

create table trans
(
  id integer not null
, tm timestamp without time zone not null
, val integer not null
, cus_id integer not null
);

insert into trans 
  (id, tm, val, cus_id)
values
  (1, '2017-12-12 16:42:00', 2, 500) --
 ,(2, '2017-12-12 16:42:02', 4, 501) -- <--+---------+
 ,(3, '2017-12-12 16:42:05', 7, 502) --    |dt=54s   |
 ,(4, '2017-12-12 16:42:56', 3, 501) -- <--+         |dt=59s
 ,(5, '2017-12-12 16:43:00', 2, 503) --              |
 ,(6, '2017-12-12 16:43:01', 5, 501) -- <------------+
 ,(7, '2017-12-12 16:43:15', 6, 502) --
 ,(8, '2017-12-12 16:44:50', 4, 501) --
;

我想按cus_id对行进行分组，但是同一个cus_id的连续行的时间戳之间的间隔小于1分钟。

在上面的示例中，这适用于id为＆＃39; s 2,4和6的行。这些行具有相同的cus_id（501）并且间隔小于1分钟。区间ID {2,4}为54s，id {2,6}为59s。区间ID {4,6}也低于1分钟，但是覆盖更大的区间ID {2,6}。

我需要一个给出输出的查询：

 cus_id |         tm          | val 
--------+---------------------+-----
    501 | 2017-12-12 16:42:02 |  12
(1 row)

tm值将是第一行的tm，即具有最低tm。 val将是分组行的总和（val）。

在示例中，3行被分组，但也可能是2,4,5 ...... 为简单起见，我只让cus_id 501的行有附近的时间戳，但在我的真实的表中，会有更多的行。它包含20M +行。

这可能吗？

Answer 1

使用CTE的幼稚（次优）溶液（更快的方法是避免CTE，用连接的子查询替换它，或者甚至使用窗口函数）：

        -- Step one: find the start of a cluster
        -- (the start is everything after a 60 second silence)
WITH starters AS (
        SELECT * FROM trans tr
        WHERE NOT EXISTS (
                SELECT * FROM trans nx
                WHERE nx.cus_id = tr.cus_id
                AND nx.tm < tr.tm
                AND nx.tm >= tr.tm -'60sec'::interval
                )
        )
                -- SELECT * FROM starters ; \q
        -- Step two: join everything within 60sec to the starter
        -- and aggregate the clusters
SELECT st.cus_id
        , st.id AS id
        , MAX(tr.id) AS max_id
        , MIN(tr.tm) AS first_tm
        , MAX(tr.tm) AS last_tm
        , SUM(tr.val) AS val
FROM trans tr
JOIN starters st ON st.cus_id = tr.cus_id
        AND st.tm <= tr.tm AND st.tm > tr.tm -'60sec'::interval
GROUP BY 1,2
ORDER BY 1,2
    ;

PostgreSQL：如何按照附近的＆＃39;对行进行分组？时间戳

1 个答案: