在 BigQuery 中按连续时间段对值进行分组

Question

考虑一下 BigQuery 表的这种架构：

+---------------------------------------+
|ServiceId |UserId |Date                |
+---------------------------------------+
|s1        |u1     |2016|09|01 00:00:00 |
|s1        |u1     |2016|09|02 00:00:00 |
|s1        |u2     |2016|09|02 12:00:00 |
|s1        |u2     |2016|09|05 00:00:00 |
|s1        |u1     |2016|09|10 12:00:00 |
|s2        |u1     |2016|09|06 00:00:00 |
|s2        |u2     |2016|09|10 00:00:00 |
|s2        |u2     |2016|09|10 12:00:00 |
|s2        |u2     |2016|09|11 12:00:00 |
+---------------------------------------+

它说明了已识别用户对系统某些资源的使用情况。它就像一个活动日志。

我需要一个允许我检索资源随时间的连续使用情况的查询。由于该表不包含“开始”和“结束”日期，因此结束被认为是该期间的最后一个记录日。

如果两个日期相隔最多 24 小时，则认为两个日期是连续的。

这是使用给定表的此类查询的预期输出：

+-------------------------------------------------------------+
|ServiceId  |UserId |StartDate           |EndDate             |
+-------------------------------------------------------------+
|s1         |u1     |2016|09|01 00:00:00 |2016|09|02 00:00:00 |
|s1         |u2     |2016|09|02 12:00:00 |2016|09|02 12:00:00 |
|s1         |u2     |2016|09|05 00:00:00 |2016|09|05 00:00:00 |
|s1         |u1     |2016|09|10 12:00:00 |2016|09|10 12:00:00 |
|s2         |u1     |2016|09|06 00:00:00 |2016|09|06 00:00:00 |
|s2         |u2     |2016|09|10 00:00:00 |2016|09|11 12:00:00 |
+-------------------------------------------------------------+

换句话说：我需要确定用户连续使用服务的时间段。

BigQuery 上的窗口函数文档（here 和 here）没有此类用例的明确示例（事实上，它们根本没有日期示例）。

如何使用 BigQuery 做到这一点？

谢谢。

Answer 1

嗯。 . .我认为它看起来像这样：

select serviceid, userid, min(date), max(date)
from (select t.*,
             sum(case when dateadd(prev_date, 1, "hour") < date then 1 else 0 end) over (partition by serviceid, userid order by date) as grp
      from (select t.*,
                   lag(date) over (partition by serviceid, userid order by date) as prev_date
            from t
           ) t
      ) t
group by serviceid, userid, grp;

它的作用是识别超过 1 小时的休息时间，并在发生这种情况时分配标志 1。然后它对标志进行累积总和并将其用于聚合。