1

我有几个表,其中包含一TIMESTAMP WITH TIME ZONE列以及一些附加信息。我需要能够加入这些表,以便每一行上的所有信息在给定的日期和时间窗口(标记beginend在所需的结果集中)都是“有效的”。

我目前的做法:

选项1

  1. 创建一个唯一的时间列表。
  2. 将每个时间点转换为唯一列表(“有效”时间窗口)和每个原始表的时间窗口。[ LEAD(...) OVER (...)]
  3. 将原始表加入唯一的时间列表。

选项#2

  1. 将每个时间点 ( TIMESTAMP WITH TIME ZONE) 转换为每个表的时间窗口。[ LEAD(...) OVER (...)]
  2. 加入窗口重叠的表格。
  3. 从每个窗口返回GREATEST(foo.start, bar.start)&LEAST(foo.stop, bar.stop)以找到真正的“有效”窗口。

例如:

表:foo

  fooid  |  description  |       datetime
---------|---------------|-----------------------
    1    |   Varsion 1   |  2010-01-01 00:00:00  
    2    |   Varsion 2   |  2010-07-01 00:00:00 

表:酒吧

  barid  |  fooid  |  description  |       datetime
---------|---------|---------------|-----------------------
    1    |    1    |   Varsion A   |  2010-01-01 00:00:00
    2    |    1    |   Varsion B   |  2010-02-01 00:00:00
    3    |    1    |   Varsion C   |  2010-03-01 00:00:00
    4    |    1    |   Varsion D   |  2010-04-01 00:00:00
    5    |    1    |   Varsion E   |  2010-05-01 00:00:00
    6    |    1    |   Varsion F   |  2010-06-01 00:00:00
    7    |    2    |   Varsion A   |  2010-07-01 00:00:00
    8    |    2    |   Varsion B   |  2010-08-01 00:00:00
    9    |    2    |   Varsion C   |  2010-09-01 00:00:00
    10   |    2    |   Varsion D   |  2010-10-01 00:00:00
    11   |    2    |   Varsion E   |  2010-11-01 00:00:00
    12   |    2    |   Varsion F   |  2010-12-01 00:00:00

简化的期望结果

        begin          |          end          |  fooid  |   foo_desc    |       foostart        |        foostop        |  barid  |   bar_desc   |       foostart        |        foostop        
-----------------------|-----------------------|---------|---------------|-----------------------|-----------------------|---------|--------------|-----------------------|-----------------------
         ...           |         ...           |   ...   |      ...      |         ...           |         ...           |   ...   |     ...      |         ...           |         ...           
  2010-05-01 00:00:00  |  2010-06-01 00:00:00  |    1    |   Varsion 1   |  2010-01-01 00:00:00  |  2010-07-01 00:00:00  |    5    |  Varsion E   |  2010-05-01 00:00:00  |  2010-06-01 00:00:00
  2010-06-01 00:00:00  |  2010-07-01 00:00:00  |    1    |   Varsion 1   |  2010-01-01 00:00:00  |  2010-07-01 00:00:00  |    6    |  Varsion F   |  2010-06-01 00:00:00  |        infinity
  2010-07-01 00:00:00  |  2010-08-01 00:00:00  |    2    |   Varsion 2   |  2010-07-01 00:00:00  |       infinity        |    7    |  Varsion A   |  2010-07-01 00:00:00  |  2010-08-01 00:00:00
  2010-08-01 00:00:00  |  2010-09-01 00:00:00  |    2    |   Varsion 2   |  2010-07-01 00:00:00  |       infinity        |    8    |  Varsion B   |  2010-08-01 00:00:00  |  2010-09-01 00:00:00
         ...           |         ...           |   ...   |      ...      |         ...           |         ...           |   ...   |     ...      |         ...           |         ...           

我的问题:

实现这一目标的最佳方法是什么?我创建了一个小提琴,展示了两种不同的解决方案,我想听听关于每种解决方案的想法以及不在小提琴中的可能解决方案。

更新#1:

在示例中,只有两个表需要连接...但是,在某些情况下,我可能需要连接多个表 3、4 或更多。

更新#2:

使用Option #1,我的问题是,当我有大型结果集时,我发现初始子查询可能很大,而 postgres 不能使用索引。这会导致很大的性能损失。另一方面,我发现它是最准确的,因为我可以LEFT OUTER JOIN反对它并获取相关NULL数据。

使用选项#2,查询计划器能够使用列上的索引TIMESTAMP WITH TIME ZONEFROM但是,在该子句中连接两个以上的表会变得更加复杂。我可以将其(table1.start, table1.stop) OVERLAPS (table2.start, table2.stop)移入WHERE子句,但随后我会丢失相关NULL数据。

这一切都让我想知道是否有更好的方法......

4

1 回答 1

1
  • 对窗口函数和 lag() 使用默认值,lead()而不是coalesce().

lead(datetime, 1, 'infinity') OVER (ORDER BY fooid, datetime) AS stop

代替

COALESCE(LEAD(datetime) OVER (ORDER BY fooid, datetime), 'infinity'::TIMESTAMP) AS stop
  • 当你PARTITION BY fooid是没有意义的ORDER BY fooid

PARTITION BY fooid ORDER BY datetime

代替:

(PARTITION BY fooid ORDER BY fooid, datetime)
  • 您(或某些工具)将每个标识符都用双引号引起来,即使它们在没有引号的情况下都是合法的。使查询更难阅读。放开噪音。

除此之外:你的问题对于stackoverflow来说太宽泛了,而且描述很难理解。

考虑:https ://codereview.stackexchange.com/

于 2013-06-27T01:14:50.820 回答