根据最近的状态/属性值检索记录

Question

在 Redshift 中使用非规范化结构并计划是继续创建记录，同时检索仅考虑针对用户的最新属性。

以下是表格：

user_id   state  created_at
1         A      15-10-2015 02:00:00 AM
2         A      15-10-2015 02:00:01 AM
3         A      15-10-2015 02:00:02 AM
1         B      15-10-2015 02:00:03 AM
4         A      15-10-2015 02:00:04 AM
5         B      15-10-2015 02:00:05 AM

所需的结果集是：

user_id   state  created_at
2         A      15-10-2015 02:00:01 AM
3         A      15-10-2015 02:00:02 AM
4         A      15-10-2015 02:00:04 AM

我有检索上述结果的查询：

select user_id, first_value AS state
from (
   select user_id, first_value(state) OVER (
                     PARTITION BY user_id
                     ORDER BY created_at desc
                     ROWS between UNBOUNDED PRECEDING and CURRENT ROW)
   from customer_properties
   order by created_at) t
where first_value = 'A'

这是检索的最佳方式还是可以改进查询？

Answer 1

最佳查询取决于各种细节：查询谓词的选择性、基数、数据分布。如果state = 'A' 是一个选择性条件（查看符合条件的行），那么这个查询应该会快很多：

SELECT c.user_id, c.state
FROM   customer_properties c
LEFT   JOIN customer_properties c1 ON c1.user_id = c.user_id
                                  AND c1.created_at > c.created_at
WHERE  c.state = 'A'
AND    c1.user_id IS NULL;

提供，(state)（甚至(state, user_id, created_at)）上有一个索引，(user_id, created_at) 上有另一个索引。

有多种方法可以确保不存在更高版本的行：

• Select rows which are not present in other table

如果'A' 是state 中的常用值，则这个更通用的查询会更快：

SELECT user_id, state
FROM (
   SELECT user_id, state
        , row_number() OVER (PARTITION BY user_id ORDER BY created_at DESC) AS rn
   FROM   customer_properties
   ) t
WHERE  t.rn = 1
AND    t.state = 'A';

我删除了NULLS LAST，假设created_at 定义为NOT NULL。另外，我认为 Redshift 没有：

• PostgreSQL sort by datetime asc, null first?

这两个查询都应该适用于 Redshift 的有限功能。使用现代 Postgres，有更好的选择：

• Select first row in each GROUP BY group?
• Optimize GROUP BY query to retrieve latest record per user

如果最新的行匹配，您的原始文件将根据user_id 返回所有 行。你将不得不折叠重复，不必要的工作......