折叠具有连续时间戳的多行

Question

我有一张表，表示产品的使用情况，有点像日志。产品使用记录为多个时间戳，我想使用时间范围表示相同的数据。

看起来像这样（PostgreSQL 9.1）：

userid | timestamp          | product
-------------------------------------
001    | 2012-04-23 9:12:05 | foo
001    | 2012-04-23 9:12:07 | foo
001    | 2012-04-23 9:12:09 | foo
001    | 2012-04-23 9:12:11 | barbaz
001    | 2012-04-23 9:12:13 | barbaz
001    | 2012-04-23 9:15:00 | barbaz
001    | 2012-04-23 9:15:01 | barbaz
002    | 2012-04-24 3:41:01 | foo
002    | 2012-04-24 3:41:03 | foo

我想折叠与上一次运行时间差小于 delta（例如：2 秒）的行，并获取开始时间和结束时间，像这样：

userid | begin              | end                | product
----------------------------------------------------------
001    | 2012-04-23 9:12:05 | 2012-04-23 9:12:09 | foo
001    | 2012-04-23 9:12:11 | 2012-04-23 9:12:13 | barbaz
001    | 2012-04-23 9:15:00 | 2012-04-23 9:15:01 | barbaz
002    | 2012-04-24 3:41:01 | 2012-04-24 3:41:03 | foo

请注意，如果同一产品的连续使用时间间隔超过 delta（在本例中为 2 秒），则会将它们分成两行。

create table t (userid int, timestamp timestamp, product text);

insert into t (userid, timestamp, product) values 
(001, '2012-04-23 9:12:05', 'foo'),
(001, '2012-04-23 9:12:07', 'foo'),
(001, '2012-04-23 9:12:09', 'foo'),
(001, '2012-04-23 9:12:11', 'barbaz'),
(001, '2012-04-23 9:12:13', 'barbaz'),
(001, '2012-04-23 9:15:00', 'barbaz'),
(001, '2012-04-23 9:15:01', 'barbaz'),
(002, '2012-04-24 3:41:01', 'foo'),
(002, '2012-04-24 3:41:03', 'foo')
;

Answer 1

灵感来自 this answer，不久前由 @a_horse_with_no_name 提供。

WITH groupped_t AS (
SELECT *, sum(grp_id) OVER (ORDER BY userid,product,"timestamp") AS grp_nr
  FROM (SELECT t.*,
          lag("timestamp") OVER
           (PARTITION BY userid,product ORDER BY "timestamp") AS prev_ts,
          CASE WHEN ("timestamp" - lag("timestamp") OVER
            (PARTITION BY userid,product ORDER BY "timestamp")) <= '2s'::interval
          THEN NULL ELSE 1 END AS grp_id
        FROM t) AS g
), periods AS (
SELECT min(gt."timestamp") AS grp_min, max(gt."timestamp") AS grp_max, grp_nr
  FROM groupped_t AS gt
 GROUP BY gt.grp_nr
)
SELECT gt.userid, p.grp_min AS "begin", p.grp_max AS "end", gt.product
  FROM periods p
  JOIN groupped_t gt ON gt.grp_nr = p.grp_nr AND gt."timestamp" = p.grp_min
 ORDER BY gt.userid, p.grp_min;

1. 最里面的查询将根据userid、product 和时间差分配分组ID。实际上，我认为PARTITION BY 前两个字段应该是安全的。
2. groupped_t 给了我所有的源列 + 一个额外的运行组号。我在这里只使用了ORDER BY 用于sum() 窗口函数，因为我需要组ID 是唯一的。
3. periods 只是每个组中第一个和最后一个时间戳的辅助查询。
4. 最后，我在grp_nr 上加入groupped_t 和periods（这就是为什么我需要它是唯一的）以及每个组中第一个条目的时间戳。

您也可以在SQL Fiddle 上查看此查询。

请注意，timestamp、begin 和 end 是 reserved words in the SQL（end 也适用于 PostgreSQL），因此您应该避免或双引号。