Redshift LISTAGG 框架子句答案

【问题标题】：Redshift LISTAGG frame clauseRedshift LISTAGG 框架子句
【发布时间】：2018-03-21 21:02:13
【问题描述】：

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。有谁知道如何在 Redshift 中做到这一点？

我想要实现的是下面的appended_event_namespace 列。

这是我迄今为止尝试过的。

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

这会在每一行上生成完整的 ApplicationLaunch/CategoryBrowse/NotificationCenter/UserProfile 聚合，而不是所需屏幕截图中的内容。

困难在于让它只追加到当前行，因为 Redshift 的 LISTAGG() 似乎没有框架子句。感谢您提供任何可能有帮助的想法。

【问题讨论】：

Redshift 不支持该功能。

标签： sql amazon-redshift

【解决方案1】：

您可以将其与另一个查询一起破解。从作为原始LISTAGG 的结果的 appended_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，您获取聚合的有序字符串，然后获取 N 所在的前 N 个字符（[它出现在聚合字符串中的位置]+[其长度]），这将删除该项目之后的所有内容。这为您提供了一个累积命名空间。

【讨论】：

感谢@Pdubbs。我的示例可能不够清楚，但如果用户在组件之间循环，他们可以构建像 CategoryBrowse/NotificationCenter/CategoryBrowse 这样的命名空间链。那么子字符串匹配就不知道要截断哪一个。
啊，那更难了。我现在没有红移集群：REGEX_SUBSTR(appended_event_namespace,'[^.]*'||event_namespace) 返回什么（试图选择以当前项目结尾的任意字符串）？
在使用 Redshift 时，我总是在尝试为 REGEXP_SUBSTR() 中的模式字段进行连接时遇到问题。它总是抱怨需要一个有效的 UTF-8 文字。如果我使用[^.]*CategoryBrowse 对示例进行硬编码，它将返回以CategoryBrowse 结尾的最长字符串。它可能与稍后发生的 CategoryBrowse 匹配。

【解决方案2】：

LISTAGG with frame 子句在 RS 中尚不支持。如果您有一些列可用于分区和排序，则可以进行自联接（性能不高，但可以完成您想要的操作）：

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，您可以使用 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，它为给定的行组和给定行的 tstamp_true 获取此类 JSON 并返回路径（该函数需要在第二个参数之前过滤 tstamp_true_N 值并连接过滤event_namespace_N 输出值）

【讨论】：