SQL - 基于时间线的查询

Posted 2023-04-12

【中文标题】SQL - 基于时间线的查询

【英文标题】：SQL - timeline based queries

【发布时间】：2020-12-13 11:04:59

【问题描述】：

我有一个事件表，其中有：

user_id 事件名称 event_time

类型有事件名称：meeting_started、meeting_ended、email_sent

我想创建一个查询来计算会议期间电子邮件的发送次数。

更新：我正在使用 Google BigQuery。

查询示例：

SELECT
event_name,
count(distinct user_id) users,
FROM
events_table WHERE
and event_name IN ('meeting_started', 'meeting_ended')
group by 1

我怎样才能做到这一点？ 谢谢！

【问题讨论】：

会议可以重叠吗？如果数据中存在异常情况，例如似乎永远不会结束的会议怎么办？

【参考方案1】：

您可以在 BigQuery 中使用 last_value() 执行此操作：

如果最近的“会议”事件是'meeting_started'，则可能会在会议期间发送一封电子邮件。因此，您可以通过获取每个事件的最新会议事件然后过滤来解决此问题：

select et.*
from (select et.*,
             last_value(case when event_name in ('meeting_started', 'meeting_ended') then event_name end) ignore nulls) over
                 (partition by user_id order by event_time) as last_meeting_event
      from events_table et
     ) et
where event_name = 'email_sent' and last_meeting_event = 'meeting_started'

【参考方案2】：

这看起来像是某种间隙和岛屿问题，其中一个岛屿是一个会议，而您想要属于岛屿的电子邮件。

我们如何定义一个岛屿？假设会议开始和结束正确交错，我们可以按每个用户比较开始和结束的计数。如果开始的次数多于结束的次数，则会议正在进行中。使用此逻辑，您可以获取在会议期间发送的所有电子邮件，如下所示：

select *
from (
    select e.*,
        countif(event_name = 'meeting_started') over(partition by user_id order by event_time) as cnt_started,
        countif(event_name = 'meeting_ended'  ) over(partition by user_id order by event_time) as cnt_ended
    from events_table e
) e
where event_name = 'email_sent' and cnt_started > cnt_ended

目前还不清楚你想从这里去哪里。如果您想计算此类电子邮件的数量，只需在外部查询中使用select count(*) 而不是select *。