如何使用窗口函数来确定何时在Hive或Postgres中执行不同的任务？

Question

我是SQL的新手，需要能够在Hive和Postgres中解决以下问题。

数据

我有一些数据显示每人不同的优先排序任务的开始日期和结束日期：

   person      task_key start_day end_day
1    Kate             A         1       5
2    Kate             B         1       5
3    Adam             A         1       5
4    Adam             B         2       5
5     Eve             A         2       5
6     Eve             B         1       5
7   Jason             A         1       5
8   Jason             B         4       5
9   Jason             C         3       5
10  Jason             D         5       5
11  Jason             E         4       5

注意：订购任务键，以便更高的字母具有更高的优先级。

问题

我需要弄清楚每个人每天应该做的工作，条件是：

1. 较高的字母任务优先于较低的字母任务。
2. 如果较高的字母任务与较低字母任务的任何部分重叠，则较低的字母任务将设置为NA（表示该人不应该对其进行操作）。

简化 在实际数据中，end_day在原始表中始终为5，即只有start_day变化但end_day是常量。这意味着我所需的输出将与原始表具有相同的行数：）

输出

这是我需要的那种输出（杰森更能代表我拥有的数据，可以覆盖90天的超过100个任务）：

   person    task_key start_day end_day valid_from valid_to
1    Kate           A         1       5         NA       NA
2    Kate           B         1       5          1        5
3    Adam           A         1       5          1        2
4    Adam           B         2       5          2        5
5     Eve           A         2       5         NA       NA
6     Eve           B         1       5          1        5
7   Jason           A         1       5          1        3
8   Jason           B         4       5         NA       NA
9   Jason           C         3       5          3        4
10  Jason           D         5       5         NA       NA
11  Jason           E         4       5          4        5

感谢您提前抽出时间。

P.S。类似的问题我在R：How to use a window function to determine when to perform different tasks?

中提出了问题

Answer 1

Postgres中的解决方案相当简单，因为它支持generate_series()。首先，为表中的每一行每天爆炸一行数据：

select d.*, gs.dy
from data d, lateral
     generate_series(start_day, end_day) gs(dy);

然后，聚合以获取每天的任务：

select d.person, d.dy, max(d.task_key) as task_key
from (select d.*, gs.dy
      from data d, lateral
           generate_series(start_day, end_day) gs(dy)
     ) d
group by d.person, d.dy;

然后你可以重新聚合，但这很棘手，因为你可能有＆＃34;分裂＆＃34;原始行（请参阅我的评论）。这回答了您关于在哪一天执行哪项任务的问题。

您可以使用数字/计数表在没有横向连接或generate_series()的情况下完成所有这些操作。