如何在 Trino 或 impala 的窗口函数中添加条件分区？

Question

例如，我有一个如下数据集：

time	action
03:00:00	block
04:00:00	unblock
05:00:00	block
06:00:00	unblock
07:00:00	unblock
08:00:00	block

现在对于每一行，我想在当前行的时间之前获得action 列等于“阻塞”的最后时间。例如，对于time等于“07:00:00”且action等于“unblock”的第五行，它之前的最后一次action等于“block”应该是第三行，预计时间为“05:00:00”。

我的最终预期结果是：

time	action	last_time
03:00:00	block	03:00:00
04:00:00	unblock	03:00:00
05:00:00	block	05:00:00
06:00:00	unblock	05:00:00
07:00:00	unblock	05:00:00
08:00:00	block	08:00:00

如何使用窗口函数不自行加入得到上述结果？

(p.s.如果不能达到上面的结果，下面的输出也是可以的：

time	action	last_time
03:00:00	block	NULL
04:00:00	unblock	03:00:00
05:00:00	block	03:00:00
06:00:00	unblock	05:00:00
07:00:00	unblock	05:00:00
08:00:00	block	05:00:00

Answer 1

一旦我们确定 action = 'block' 应该开始一个新块并且我们识别出这些块 (block_no)，我们就可以使用由该 block_no 划分的窗口函数来找到每个块内的最小 time。

如果时间不是单调递增的，我们可以使用FIRST_VALUE窗口函数来代替，如果我们有其他的排序方式，或者只在action = 'block'时使用另一个case表达式来获取时间，这将将其他行保留为 null，这很容易通过 MAX/MIN/etc 忽略。

但是，鉴于当前数据，我认为我们无法解决这样一个假设，即每个块之间的所有行的时间需要单调增加或至少从块到块增加。

试试这个：

The fiddle

WITH cte1 AS (
         SELECT *, SUM(CASE WHEN action = 'block' THEN 1 END) OVER (ORDER BY time) AS block_no FROM test
     )
SELECT *, MIN(time) OVER (PARTITION BY block_no) AS block_time FROM cte1
 ORDER BY time
;

结果：

time	action	block_no	block_time
03:00:00	block	1	03:00:00
04:00:00	unblock	1	03:00:00
05:00:00	block	2	05:00:00
06:00:00	unblock	2	05:00:00
07:00:00	unblock	2	05:00:00
08:00:00	block	3	08:00:00

设置：

CREATE TABLE test (time varchar(20), action  varchar(20));

INSERT INTO test VALUES
  ('03:00:00', 'block')
, ('04:00:00', 'unblock')
, ('05:00:00', 'block')
, ('06:00:00', 'unblock')
, ('07:00:00', 'unblock')
, ('08:00:00', 'block')
;