匹配 Redshift SQL 中最近的时间戳

Posted 2023-03-30

【中文标题】匹配 Redshift SQL 中最近的时间戳

【英文标题】：Match nearest timestamp in Redshift SQL

【发布时间】：2021-12-05 12:13:08

【问题描述】：

我有两张桌子，t1 和 t2。对于 t1 中的每个 id，我在 t2 中有多个记录。我想将 t2 的最近时间戳与 t1 的每条记录相匹配。在 t1 中有一个标志，如果它是 1，我想匹配 t2 的最接近的较小的时间戳，如果它是 0，我想匹配大于 t1 中的最接近的时间戳。 所以我总共有下表： T1 id、标志、时间戳 T2 id，时间戳

有没有有效的方法来做到这一点？

编辑，这里有一些例子：

T1

customer_id	timestamp_t1	flag
1	01.01.21 12:00	1
2	01.01.21 13:00	0

T2

customer_id	timestamp_t2	additional attributes
1	01.01.21 11:00	attribute1
1	01.01.21 10:00	attribute2
1	01.01.21 13:00	attribute3
2	01.01.21 11:00	attribute4
2	01.01.21 12:00	attribute5
2	01.01.21 14:00	attribute6
2	01.01.21 15:00	attribute7

结果：

customer_id	timetsamp_t1	timestamp_t2	flag	additional attributes
1	01.01.21 12:00	01.01.21 11:00	1	attribute1
2	01.01.21 13:00	01.01.21 14:00	0	attribute6

我希望这会有所帮助。如你看到的。结果，我们将 T2 的 11:00 与 T1 的 12:00 匹配，因为标志为 1，我们选择了小于 12:00 的最接近的时间戳。我们还将 14:00 与 13:00 进行了匹配，因为标志为 0（因此我们匹配了 id 为 2 且大于 13:00 的最接近的时间戳）。

【问题讨论】：

提供样本数据和期望的结果会更有帮助

你需要table2的id还是时间戳？时间戳 table2 是否保证唯一？ （这是示例数据和所需结果非常有用的一个示例。）

感谢您的建议。我添加了一个应该清楚的例子。我注意到这样解释会更好。

customer_id 在 T1 中是否唯一？

T2 是否有id 列？

【参考方案1】：

您可以使用相关子查询来查找时间戳之前/之后的行，然后使用 CASE 表达式来选择要加入的行...

SELECT
  *
FROM
  t1
INNER JOIN
  t2
    ON t2.id = CASE WHEN t1.flag = 1 THEN
                 (
                   SELECT t2.id
                     FROM t2
                    WHERE t2.customer_id   = t1.customer_id
                      AND t2.timestamp_t2 <= t1.timestamp_t1
                 ORDER BY t2.timestamp DESC
                    LIMIT 1
                 )
               ELSE
                 (
                   SELECT t2.id
                     FROM t2
                    WHERE t2.customer_id   = t1.customer_id
                      AND t2.timestamp_t2 >= t1.timestamp_t1
                 ORDER BY t2.timestamp ASC
                    LIMIT 1
                 )
               END

哦，您的示例中没有包含 id 列，这同样适用...

SELECT
  *
FROM
  t1
INNER JOIN
  t2
    ON  t2.customer_id  = t1.customer_id
    AND t2.timestamp_t2
        =
        CASE WHEN t1.flag = 1 THEN
          (
            SELECT MAX(t2.timestamp_t2)
              FROM t2
             WHERE t2.customer_id   = t1.customer_id
               AND t2.timestamp_t2 <= t1.timestamp_t1
          )
        ELSE
          (
            SELECT MIN(t2.timestamp_t2)
              FROM t2
             WHERE t2.customer_id   = t1.customer_id
               AND t2.timestamp_t2 >= t1.timestamp_t1
          )
        END

【讨论】：

嘿，非常感谢。这是一个简单的解决方案，我很惊讶。我想到了一个非常复杂的分区方法。我想知道这对于更大的数据集是否是最有效的方法。

@MiepMiep 分区将允许您在两个查询中使用 UNION ALL，而不是在单个查询中使用 CASE 表达式。如果您想询问有关重塑数据的问题，您应该在问题中说明（提供完整的 DDL、有关数据量、基数等的详细信息）。