滚动不同计数 30 天答案

【问题标题】：Rolling distinct count 30 day滚动不同计数 30 天
【发布时间】：2020-11-17 09:08:50
【问题描述】：

我需要从 AWS Athena 转换此事件跟踪器数据集

timestamp      id     event
1577863551     1      home
1577863555     1      profile
1577863555     2      home

到每月活跃用户或从 30 天前到现在活跃的唯一用户。例如

date        MAU
2/1/2020    2000
2/2/2020    2500

2000 MAU 表示从 2020 年 1 月 3 日到 2020 年 2 月 1 日，有 2000 个活跃的唯一用户。
2500 MAU 意味着从 2020 年 1 月 4 日到 2020 年 2 月 2 日，有 2500 个活跃的唯一用户

【问题讨论】：

标签： sql presto amazon-athena

【解决方案1】：

这是相当复杂的。 count(distinct) over 会简单得多！但这就是想法。

您希望在计算用户时获得时间段。这个想法是生成一个user_inc，当用户开始计数时为1，当用户停止计数时为-1。

但这并不容易计算。这个想法是为用户开始计数和停止计数时添加行（通过添加 31 天）——这些时间段的标志为 1 和 -1`。然后累积总和确定用户在该日期是否有活动。过滤获取活动期间的第一行和最后一行。

所以，这看起来像：

with t as (
      select id, dte, sum(sum(inc)) over (partition by id order by dte) as running_ins
      from ((select id, date(from_unixtime(timestamp)) as dte, 1 as inc
             from event_tracker
            ) union all
            (select id, date(from_unixtime(timestamp)) + interval '31' day as dte, -1 as inc
             from event_tracker
            )
           ) id
      group by id, dte
     ),
     first_last as (
      select id, dte, (case when running_ins > 0 then 1 else -1 end) as user_inc
      from (select t.*,
                   lag(running_ins) over (partition by id order by dte) as prev_running_ins
            from t
           ) t
      where prev_running_ins is null or
            prev_running_ins = 0 and running_ins > 0 or
            prev_running_ins > 0 and running_ins = 0
     )
select fl.dte,
       sum(sum(user_inc)) over (order by fl.dte) as distinct_30_days
from first_last fl
group by fl.dte;

Here 是一个使用 Postgres 的数据库小提琴。

【讨论】：

我有这个问题：第 15:89 行：在输入“（滞后（running_ins）超过（按 dte 的 user_id 排序）作为”的情况下（服务：amazonathena；状态代码： 400；错误代码：invalidrequestexception；请求ID：55a759d7-c38c-425e-9da1-1f49b3b384aa)
@OctavianWR 。 . .有多个错别字。我修复了这些问题并使用 Postgres 添加了一个小提琴来说明这个想法。注意：只有原始数据中的日期（加上 ate + 31 天）才会在结果集中，因此示例结果不是很有趣。
SYNTAX_ERROR: line 23:8: '"sum"("user_inc") OVER (ORDER BY "fl"."dte" ASC)' 必须是聚合表达式或出现在 GROUP BY 子句中
@OctavianWR 。 . .我从小提琴中抄错了查询。