计算时间范围内的时间分组间隔

Posted 2023-03-31

【中文标题】计算时间范围内的时间分组间隔

【英文标题】：Count Grouped Gaps In Time For Time Range

【发布时间】：2012-01-10 08:13:16

【问题描述】：

我正在寻找在给定时间范围内存在多少分组间隙。

starting range: 2012-01-12 00:00:00
  ending range: 2012-01-18 59:59:59

大致翻译为：

type  10 11 12 13 14 15 16 17 18 19 20 
a        |--========]
a                             |==------]
b                 |==============--]
c     |-----===========]
d        |--=====================------]

按类型分组的相同数据：

a        |--========]         |==------]
b                 |==============--]
c     |-----===========]
d        |--=====================------]

导致：

type  gap
---------
a     1  (yes)
b     1  (yes)
c     1  (yes)
d     0  (no)

最终……

SUM(gap) AS gaps
----------------
3

更新说明：

数据以每种类型的开始和结束时间戳存储。例如：

id  type  start_datetime       end_datetime
--------------------------------------------------
1   a     2012-01-11 00:00:00  2012-01-14 59:59:59
2   a     2012-01-18 00:00:00  2012-01-20 59:59:59
3   b     2012-01-14 00:00:00  2012-01-19 59:59:59
4   c     2012-01-10 00:00:00  2012-01-15 59:59:59
5   d     2012-01-11 00:00:00  2012-01-20 59:59:59

【问题讨论】：

您的数据实际是如何存储的？表定义等是什么？

开始时间戳和结束时间戳。我将更新问题以澄清。

开始和结束时间可以是任何时间，还是总是午夜？

同一类型的时间范围可以重叠吗？

@MarkBannister 开始和结束时间可以是任何时间。我为示例简化了它。

【参考方案1】：

为了避免重复工作，这里是数据（我将包容性的上边界海湾替换为独占的，这是更常见的，恕我直言）：

-- CREATE SCHEMA tmp;
DROP TABLE tmp.gaps CASCADE;
CREATE TABLE tmp.gaps
        ( id INTEGER NOT NULL PRIMARY KEY       -- surrogate key
        , ztype CHAR(1) NOT NULL
        , start_datetime TIMESTAMP NOT NULL     -- lower boundary := inclusive
        , end_datetime TIMESTAMP NOT NULL       -- upper boundary := exclusive
        );
CREATE UNIQUE INDEX gaps_forward ON tmp.gaps(ztype,start_datetime);
CREATE UNIQUE INDEX gaps_backward ON tmp.gaps(ztype,end_datetime);

INSERT INTO tmp.gaps(id,ztype,start_datetime,end_datetime) VALUES
 (1,'a', '2012-01-11 00:00:00', '2012-01-15 00:00:00' )
,(2,'a', '2012-01-18 00:00:00', '2012-01-21 00:00:00' )
,(3,'b', '2012-01-14 00:00:00', '2012-01-20 00:00:00' )
,(4,'c', '2012-01-10 00:00:00', '2012-01-16 00:00:00' )
,(5,'d', '2012-01-11 00:00:00', '2012-01-21 00:00:00' )
,(6,'e', '2012-01-11 00:00:00', '2012-01-15 00:00:00' ) -- added this
,(7,'e', '2012-01-15 00:00:00', '2012-01-21 00:00:00' ) -- and this
        ;
-- SELECT * FROM tmp.gaps;

更新：CTE 来了。 在第一个 UNION 中，我在想要的 (12-Jan -- 19-Jan) 区间的左侧和右侧添加了两个假区间。

每个 ztype 我计算间隔的总数。如果没有孔，这应该是一个，如果有一个孔，则应该是两个，等等。这也将找到在所需区间内没有任何记录的 ztype 的间隙。

-- EXPLAIN ANALYZE
WITH RECURSIVE meuk(ztype,start_datetime,end_datetime) AS (
        -- For every possible "ztype" add two dummie records
        -- just before and just after our wanted interval.
        WITH plus2 AS (
                SELECT g0.ztype,g0.start_datetime,g0.end_datetime FROM tmp.gaps g0
                WHERE (g0.start_datetime <= '2012-01-12 00:00:00' AND g0.end_datetime >= '2012-01-12 00:00:00')
                   OR (g0.start_datetime >= '2012-01-12 00:00:00' AND g0.end_datetime <= '2012-01-19 00:00:00')
                   OR (g0.start_datetime <= '2012-01-19 00:00:00' AND g0.end_datetime >= '2012-01-19 00:00:00')
                UNION ALL SELECT DISTINCT g1.ztype, '1900-01-01 00:00:00'::timestamp, '2012-01-12 00:00:00'::timestamp FROM tmp.gaps g1
                UNION ALL SELECT DISTINCT g2.ztype, '2012-01-19 00:00:00'::timestamp, '2100-01-01 00:00:00'::timestamp FROM tmp.gaps g2
                )
        SELECT p0.ztype,p0.start_datetime,p0.end_datetime
        FROM plus2 p0
                -- the start of a stretch: there is no older overlapping 
                -- (or touching) interval
        WHERE NOT EXISTS (SELECT *
                FROM plus2 nx
                WHERE nx.ztype = p0.ztype
                AND nx.start_datetime < p0.start_datetime -- older
                AND nx.end_datetime >= p0.start_datetime  -- touching or overlapping
                )
        UNION
        SELECT mk.ztype
                , LEAST(mk.start_datetime,p1.start_datetime)
                , GREATEST(mk.end_datetime,p1.end_datetime)
        FROM plus2 p1
        , meuk mk
        WHERE p1.ztype = mk.ztype
        AND (p1.start_datetime >= mk.start_datetime AND p1.start_datetime <= mk.end_datetime AND p1.end_datetime > mk.end_datetime)
        )
SELECT ztype, COUNT(*)-1 AS ngap
FROM meuk mk
WHERE NOT EXISTS (SELECT *
        FROM meuk  nx
        WHERE nx.ztype = mk.ztype
        AND (nx.start_datetime,nx.end_datetime) OVERLAPS( mk.start_datetime,mk.end_datetime)
        AND (nx.end_datetime - nx.start_datetime) > (mk.end_datetime - mk.start_datetime)
        )
GROUP BY ztype
ORDER BY ztype
        ;

创建最终总和留给读者作为练习；-)

结果：

 ztype | ngap 
-------+------
 a     |    1
 b     |    1
 c     |    1
 d     |    0
 e     |    0
(5 rows)

【参考方案2】：

这是 wildplasser 答案的一个变体，它使用 windows 而不是 CTE。基于相同的测试夹具：

select ztype, count(*) as gaps
from (
    select ztype, datetime, sum(n) over(partition by ztype order by datetime asc) as level
    from (
        select id, ztype, start_datetime as datetime, 1 as n from tmp.gaps
        union all
        select id, ztype, end_datetime, -1 from tmp.gaps
        union all
        select 0, ztype, '2012-01-12 00:00:00', 0 from (select distinct ztype from tmp.gaps) z
        union all
        select 0, ztype, '2012-01-19 00:00:00', 0 from (select distinct ztype from tmp.gaps) z
    ) x
) x
where level = 0 and datetime >= '2012-01-12 00:00:00' and datetime < '2012-01-19 00:00:00'
group by ztype
;

这是基于使用 sum() 作为窗口聚合，范围开始加 1，范围结束减 1，然后在目标范围内查找运行总和变为 0 的点。我必须做和 wildplasser 一样的事情，在边界的端点添加一些不提供任何东西的额外条目，以便找到没有任何东西覆盖边界的组...

这似乎在测试数据上花费较少，但我认为这可能高度依赖于表中没有太多数据需要通过。通过一些重新排列（这将使其更难阅读），它只需对 tmp.gaps 进行两次完整扫描（其中一次只是获得不同的 ztypes）。

【讨论】：

您的意思是添加“-1”吗？选择 ztype, count(*)-1 作为间隙...谢谢！

顺便说一句：这似乎不适用于重叠拉伸。并且：CTE 总是更快 :-]