Redshift LISTAGG框架子句

Question

我正在尝试聚合字符串，但仅限于前面的行，而不是整个分区。有没有人知道如何在Redshift中执行此操作？

我想要实现的目标是下面的appended_event_namespace列。

这是我到目前为止所尝试过的。

LISTAGG(event_namespace, '/')
WITHIN GROUP (ORDER BY tstamp_true)
OVER (PARTITION BY acct_id) AS appended_event_namespace

这导致每一行都有完整的ApplicationLaunch/CategoryBrowse/NotificationCenter/UserProfile聚合，而不是所需屏幕截图中的聚合。

困难在于它只能追加到当前行，因为似乎没有Redshift的LISTAGG（）的frame子句。感谢任何有用的想法。

Answer 1

您可以将其与其他查询一起破解。作为原始LISTAGG

的结果，从您的attached_event_namespace开始

SELECT event_namespace,
  SUBSTRING(appended_event_namespace,
            1, 
            POSITION(event_namespace,appended_event_namespace) + LEN(event_namespace) - 1
  ) as appended_event_namespace_cum
FROM your_table;

基本上，你采用聚合的，有序的字符串，然后取N所在的前N个字符（[它出现在聚合字符串中的位置] + [它的长度]），这将删除该项目之后的所有内容。这为您提供了累积命名空间。

Answer 2

RS中不支持带有frame子句的

LISTAGG。如果你有一些可用于分区和排序的列，你可以进行自我加入（不是那么高效，但会达到你想要的效果）：

SELECT 
 t1.id
,t2.tstamp_true
,t1.event_namespace
,LISTAGG(t2.event_namespace,'/') WITHIN GROUP (ORDER BY t2.tstamp_true)
FROM your_table t1
JOIN your_table t2
ON t1.id=t2.id
AND t1.tstamp_true>=t2.tstamp_true
GROUP BY 1,2,3

或者，如果您想避免自连接，可以使用LISTAGG构建具有以下结构的JSON：

[{tstamp_true_1,event_namespace_1},{tstamp_true_N,event_namespace_N},...]

并编写一个Python UDF，它为给定行的给定行和tstamp_true获取此类JSON并返回路径（该函数需要在第二行之前过滤tstamp_true_N值参数并连接输出的过滤的event_namespace_N值