范围内每个数字的 SQL 计数总计（编辑：通过 UDF）

Posted 2023-03-31

【中文标题】范围内每个数字的 SQL 计数总计（编辑：通过 UDF）

【英文标题】：SQL count totals for each number in a range (Edit: via a UDF)

【发布时间】：2015-07-25 05:37:05

【问题描述】：

我在 Amazon (AWS) RedShift 中有类似以下的数据，它代表了不同人的阅读日志，每一行都是特定日期阅读的章节跨度的记录：

| person | date   | book     | chapter_start | chapter_end |
|--------|--------|----------|---------------|-------------|
| Alice  | 7/1/15 | Big Red  | 4             | 7           |
| Bob    | 7/1/15 | Big Red  | 1             | 5           |
| James  | 7/1/15 | Big Red  | 2             | 9           |
| Tim    | 7/1/15 | Big Red  | 10            | 12          |
| Alice  | 7/2/15 | Big Red  | 8             | 10          |
| Bob    | 7/2/15 | Big Red  | 6             | 8           |
| James  | 7/2/15 | Big Red  | 10            | 11          |
| Tim    | 7/1/15 | Blue Sky | 1             | 3           |
| Alice  | 7/1/15 | Blue Sky | 3             | 4           | 

我想知道是否有一个 SQL 查询（记住它需要与 RedShift 兼容的 postgresql）可以为跨度中的每一章产生一个计数，以便结果如下所示：

| book     | chapter | count |
|----------|---------|-------|
| Big Red  | 1       | 1     |
| Big Red  | 2       | 2     |
| Big Red  | 3       | 2     |
| Big Red  | 4       | 3     |
| Big Red  | 5       | 3     |
| Big Red  | 6       | 3     |
| Big Red  | 7       | 3     |
| Big Red  | 8       | 3     |
| Big Red  | 9       | 2     |
| Big Red  | 10      | 3     |
| Big Red  | 11      | 2     |
| Big Red  | 12      | 1     |
| Blue Sky | 1       | 1     |
| Blue Sky | 2       | 1     |
| Blue Sky | 3       | 2     |
| Blue Sky | 4       | 2     |

请注意，在上面的结果中，计数不仅仅考虑了 chapter_start 和 chapter_end。例如，如果我们处理 Tim 从第 1 章到第 3 章读取 Blue Sky 的条目，则 Blue Sky 的第 1、2 和 3 章应该增加各自的计数器。

编辑（2015 年 7 月 28 日）：经过进一步研究，似乎 Mureinik 的以下建议适用于完全符合 postgresql 的系统，但 RedShift 仅支持一小部分 postgresql 函数（请参阅： Unsupported PostgeSQL Functions in RedShift) 因此他的回答不适用于 RedShift。目前，这似乎也无法通过用户定义函数 (UDF) 实现，因为它们也不支持。令人鼓舞的一点是，RedShift 产品经理确认他们计划在 2015 年 9 月之前支持符合 postgresql 的 UDF。>

如上所述，是否有人愿意通过 UDF 承担相当于 GENERATE_SERIES() 的任务？

编辑（2015 年 9 月 11 日）： UDF 终于在 RedShift 中可用。请参阅新发布的AWS RedShift UDF documentation。澄清需求——需要的是 python 中的一个集合返回函数，它复制了Postgres GENERATE_SERIES() function 的功能。有人愿意挑战吗？

编辑（2016 年 1 月 8 日）：在与 AWS 反复讨论并对其文档进行一些澄清后，RedShift 中支持的 UDF 似乎只能返回单个值，而不是一组.因此，目前似乎不可能创建一个模仿此功能的 UDF。

【参考方案1】：

您可以使用generate_series 创建chapter_start 和chapter_end 之间所有章节的列表，然后按它们分组并计数：

SELECT   book, chapter, COUNT(*)
FROM     (SELECT book, GENERATE_SERIES(chapter_start, chapter_end) AS chapter
          FROM   mytable) t
GROUP BY book, chapter

【讨论】：

Mureinik，您的解决方案在 postresql 中运行良好，但在 RedShift 集群上执行时失败，并出现错误：“Redshift 表不支持指定的类型或函数（每个 INFO 消息一个）”。这很令人失望，因为 SELECT * FROM generate_series(2,4); 的简单测试它确实在我的 RedShift 集群上正确执行。结果 GENERATE_SERIES() 在 RedShift (docs.aws.amazon.com/redshift/latest/dg/…) 的不支持函数列表中。还有其他建议吗？