如何通过动态时间间隔聚合数据

一位独特的访问者是一位访问者，他在一个小时前还没有访问过。

因此，对于以下用户行和时间戳，我们会得到4个唯一访问者的总数，其中user1和user2分别计为2。

请注意，我不想在24小时内每小时汇总一次。我想在用户第一次访问时间戳之后的一小时内汇总。

我猜sql直线表达式不会这样做。

user1,"2015-07-13 08:28:45.247000" 
user1,"2015-07-13 08:30:17.247000" 
user1,"2015-07-13 09:35:00.030000" 
user1,"2015-07-13 09:54:00.652000" 
user2,"2015-07-13 08:28:45.247000" 
user2,"2015-07-13 08:30:17.247000" 
user2,"2015-07-13 09:35:00.030000" 
user2,"2015-07-13 09:54:00.652000"

因此user1到达8点28分，这被视为一击。他在8点30分返回，计为零。然后他在9点35分回来，这是从8点30分开始的一个多小时，所以他又受到了重创。然后他在9:35回来，这距离上次9:30只有5分钟，所以这个计数为零。用户1总共有2次点击。同样的事情发生，对于user2意义两支安打各将其带到一个最终的总的4

来源

2015-10-13 Brian Yeh

'现在想'应该是'不想'我想？请始终声明您的Postgres版本。你有单独的用户表吗？实际的表定义将有助于查看数据类型和约束：CREATE TABLE脚本或psql中的\ d tbl'的输出。对于每60分钟访问一次的假设用户呢？计数为** 0次访问总数，即使在较长时间内也是如此？此外，严格来说，您的定义将在不到一小时前（从现在开始）排除访问。 –

该版本是亚马逊上的Redshift。所以它缺少某些postgres功能。如果用户每60分钟访问一次，则每次访问计数一次。如果用户在60分钟内访问超过一次，那么他只会计算一次。 –

红移不是Postgres，也非常有限。我不是粉丝。请记住提供您的版本，以问题开头。 –

这里有一个方法：

select count(*) 
from t 
where not exists (select 1 
        from t t2 
        where t2.user = t.user and 
         t2.timestamp < t.timestamp and 
         t2.timestamp > t.timestamp - interval '1 hour' 
       );

编辑：

如果有相同的时间戳是一个潜在的问题，您可以使用count(distinct user, timestamp)。

注意：user和timestamp都是关键字，user是保留的。希望你的实际列被命名为别的东西。

where子句只保留在前一小时没有其他用户记录的记录。这是您对“新”用户的定义，因此汇总计数应该是您要查找的内容。

来源

2015-10-13 21:55:40

非常感谢。你能解释它在做什么吗？这将是非常有益的。 –

我误解了这个定义。它改变了定义。我提高了你的意思，并重新定义了这个定义，但是现在答案也是不正确的。 –

@BrianYeh。。。我第一次明白了这个问题。这应该得到你想要的数量。 –

角的情况下在你的定义一边（see comment），这个查询比我的本地测试提供了一个@Gordon上的Postgres 9.4快许多倍，带或不带指数：

SELECT count(ct) 
FROM (
    SELECT user_id, CASE WHEN lead(created_at, 1, 'infinity') 
         OVER (PARTITION BY user_id ORDER BY created_at) 
       > created_at + interval '1h' THEN true ELSE NULL END AS ct 
    FROM tbl 
    ) sub;

的核心特性是窗口功能lead()查找当前用户的“下一个”行。如果下一行是更多比一个小时的路程，这一行很重要。

lead()经常被忽视的功能是为缺少的行提供默认值。填写'infinity'覆盖角落案例。

此查询适用于timestamp列created_at中的NULL值（未计数）或重复值（仅1行计数）。

关键最高性能是多列索引：

CREATE INDEX tbl(user_id, created_at);

对于“独立访问者”防弹定义不同的查询方式可能更好。

来源

2015-10-14 03:05:50

如果user1在9:00访问，那么在9:30访问然后在11:00访问，那么这应该算作2次访问。我严格地表述了这个定义。我会提高你们两个人并编辑定义。 –

如何通过动态时间间隔聚合数据

回答

相关问题