如何只选择最接近给定值系列的行？

Question

我有下表：

create table foobar (
    account_id  bigint    not null,
    timestamp   timestamp not null,
    balance_one numeric   not null,
    balance_two numeric   not null,
    primary key (timestamp, account_id)
);

我有一个给定的时间范围，BEGIN 和 END。在该范围内，以给定步长生成一系列时间戳，从下限开始。我们将这些时间戳称为“间隔边界”。

我想选择给定时间范围内的所有行，其时间戳比任何其他都更接近系列中生成的时间戳之一。

查询的一般部分非常简单，选择给定时间范围内的行：

select * from foobar
where account_id = ?
and timestamp between {BEGIN} and {END}
order by timestamp asc;

我不明白的部分是如何将我的结果集修剪为仅最接近区间边界的行。

示例数据：

account_id	timestamp	balance_one	balance_two
1	28 June 2021 17:00:00	0.0	0.0
1	28 June 2021 17:00:05	1.0	0.0
1	28 June 2021 17:00:10	0.5	0.0
1	28 June 2021 17:00:15	0.0	1.0
1	28 June 2021 17:00:20	0.5	0.0
1	28 June 2021 17:00:25	1.0	1.0
2	28 June 2021 17:00:00	0.0	0.0
2	28 June 2021 17:00:05	1.0	7.0
2	28 June 2021 17:00:07	2.0	6.0
2	28 June 2021 17:00:15	3.0	5.0
2	28 June 2021 17:00:20	4.0	4.0
2	28 June 2021 17:00:25	5.0	3.0
2	28 June 2021 17:00:30	6.0	2.0
2	28 June 2021 17:00:35	7.0	1.0

带参数的示例查询：

ID = 1，BEGIN = 2021 年 6 月 28 日 17:00:00，END = 2021 年 6 月 28 日 17:00:30，INTERVAL = 10 秒

结果：

account_id	timestamp	balance_one	balance_two
1	28 June 2021 17:00:00	0.0	0.0
1	28 June 2021 17:00:10	0.5	0.0
1	28 June 2021 17:00:20	0.5	0.0
1	28 June 2021 17:00:25	1.0	1.0

ID = 2，BEGIN = 2021 年 6 月 28 日 17:00:00，END = 2021 年 6 月 28 日 17:00:30，INTERVAL = 10 秒 结果：

account_id	timestamp	balance_one	balance_two
2	28 June 2021 17:00:00	0.0	0.0
2	28 June 2021 17:00:10	2.0	6.0
2	28 June 2021 17:00:20	4.0	4.0
2	28 June 2021 17:00:30	6.0	2.0

Answer 1

SELECT DISTINCT (COALESCE(p.t, n.t)).*
FROM   generate_series(timestamp '2021-06-28 17:00:00'  -- lower bound of time frame
                     , timestamp '2021-06-28 17:00:30'  -- upper bound of time frame
                     , interval '10 sec') AS g(ts)      -- step size
LEFT   JOIN LATERAL (
   SELECT t.timestamp, t
   FROM   tbl t
   WHERE  account_id = 2
   AND    t.timestamp >= g.ts
   AND    t.timestamp BETWEEN timestamp '2021-06-28 17:00:00'
                      AND     timestamp '2021-06-28 17:00:30'  -- enforce time frame
   ORDER  BY t.timestamp
   LIMIT  1
   ) n ON true
LEFT   JOIN LATERAL (
   SELECT t.timestamp, t
   FROM   tbl t
   WHERE  account_id = 2
   AND    t.timestamp < g.ts
   AND    t.timestamp BETWEEN timestamp '2021-06-28 17:00:00'
                      AND     timestamp '2021-06-28 17:00:30'  -- enforce time frame
   ORDER  BY t.timestamp DESC
   LIMIT  1
   ) p ON g.ts - p.timestamp < n.timestamp - g.ts
       OR n.timestamp IS NULL   -- suppress NULL row for no later match
WHERE  n.timestamp IS NOT NULL
    OR p.timestamp IS NOT NULL  -- suppress NULL row for no match at all
ORDER  BY timestamp;

db小提琴here

“区间边界”系列从时间范围的下限开始。如果间隔的步骤不符合要求，则不清楚如何处理时间范围的上限。在这种情况下，此查询忽略上限。

使用说明

1. 使用generate_series() 生成一系列“区间边界”。见：

   • Generating time series between two dates in PostgreSQL

2. 第一个LATERAL 子查询为每个间隔边界获取具有下一个更大（或相等）时间戳的行。 undefined 在如何处理重复时间戳的问题中。此查询选择任意获胜者。相反，我会通过添加更多 ORDER BY 表达式来实现确定性。见：

   • What is the difference between LATERAL JOIN and a subquery in PostgreSQL?

3. 第二个LATERAL 子查询获取具有下一个较小时间戳的行 - 但前提是该时间戳比第一个子查询中的行更接近区间边界。 （后排赢得平局。）

4. 在外部SELECT 中使用COALESCE 以获得每个区间边界的获胜行。

5. 添加DISTINCT（或其他删除重复项的方法），因为可以多次选择同一行。 （就像它最接近多个区间边界时一样。

6. 可选外层ORDER BY。

由于您想获取整行，因此我使用了表的隐式定义的行类型。从表中保存另一个读取。

如果您的表很大，则需要在(account_id, timestamp) 上建立索引才能加快速度。

CTE 的替代方案

如果您没有索引，或者您的表不大，或者在给定的时间范围内只有几行，那么带有CTE 的替代方案会更快：

WITH cte AS (
   SELECT * FROM tbl
   WHERE  account_id = 2
   AND    timestamp BETWEEN timestamp '2021-06-28 17:00:00'  -- lower bound of time frame
                    AND     timestamp '2021-06-28 17:00:30'  -- upper bound of time frame
   )
SELECT DISTINCT (COALESCE(p.t, n.t)).*
FROM   generate_series(timestamp '2021-06-28 17:00:00'  -- lower bound
                     , timestamp '2021-06-28 17:00:30'  -- upper bound
                     , interval  '10 sec') AS g(ts)     -- step size
LEFT   JOIN LATERAL (
   SELECT t.timestamp, t::tbl
   FROM   cte t
   WHERE  t.timestamp >= g.ts
   ORDER  BY t.timestamp
   LIMIT  1
   ) n ON true
LEFT   JOIN LATERAL (
   SELECT t.timestamp, t::tbl
   FROM   cte t
   WHERE  t.timestamp < g.ts
   ORDER  BY t.timestamp DESC
   LIMIT  1
   ) p ON g.ts - p.timestamp < n.timestamp - g.ts
       OR n.timestamp IS NULL   -- suppress NULL row for no later match
WHERE  n.timestamp IS NOT NULL
    OR p.timestamp IS NOT NULL  -- suppress NULL row for no match at all
ORDER  BY timestamp;

db小提琴here

很像上面的。但首先在 CTE 中过滤外部时间范围。 我们需要显式转换为基础表类型，因为派生表没有注册。