如何在时间排序表中查找给定列在指定间隔内没有特定值的间隙

Question

我有一个大表（数百万行），我需要根据某个列值的存在和未发生指定的“超时”来查找记录组。我认为一种方法是在整个表中找到这些“超时”间隙发生的位置。

示例表：

+----------------+--------+ |时间 |基地 | +----------------+--------+ | 1245184797.064 |一个 | | 1245184802.020 |一个 | | 1245184807.103 |乙 | | 1245184812.089 |乙 | | 1245184816.831 |乙 | | 1245184821.856 |一个 | | 1245184821.856 |一个 | | 1245184855.903 |一个 | | 1245184855.903 |乙 | | 1245184858.362 |乙 | | 1245184858.362 |乙 | | 1245184860.360 |一个 | | 1245184860.360 |一个 | | 1245184862.174 |一个 | | 1245184862.174 |乙 | | 1245185001.480 |乙 | | 1245185417.556 |一个 | | 1245185417.844 |一个 | | 1245185419.960 |乙 | | 1245185420.181 |乙 | +----------------+--------+

鉴于此集合，我如何快速找到表中在给定秒数（例如 5 秒）内未发生 base=a 的点。

归结起来，我的目标是找到base=a HAS 持续发生而没有超时的记录范围。

Answer 1

我认为这会对你有所帮助：

SELECT * FROM (
    SELECT t1.[time],
           t1.time - (SELECT MAX(time) FROM my_table t2 WHERE t2.time < t1.time and t2.base = 'a') AS timeout
    FROM my_table t1
    WHERE t1.base = 'a') d
WHERE timeout > 5

并且不要忘记为这个查询创建索引以更有效：

CREATE INDEX idx_my_table_time_base ON my_table (time, base)

Answer 2

如果您使用的是支持窗口/分析功能的数据库，一种可能性是这样的：

select * from (
    select time,
           base,
           time - lag(time) over(partition by base order by time) as interval
    from example) w
where w.interval > 5

这应该能够通过（base,time）索引的单次扫描来工作。它适用于 PostgreSQL 8.4，我认为也应该适用于 SQL Server 2008 和 Oracle 10。

Answer 3

解决此问题的一种方法是检查“伸展头”，即距离上次出现超过 5 秒的碱基的出现。此示例查询将表连接到自身以过滤掉非头部：

select    head.* 
from      @t head
left join @t nohead 
on        head.base = nohead.base 
and       head.time - 5 < nohead.time and nohead.time < head.time
where     nohead.base is null
order by  head.[time]

对于每一行，left join 在最后 5 秒内搜索相同的碱基。 where nohead.base is null 子句表示这样的行可能不存在。效果是一个 5 秒以上没有基础的跨度发生时间的列表。

它不会列出最后一个间隔：您可以为每个碱基显式添加“结束时间”行：

<end time>     a
<end time>     b
...

使查询检查结束。