带有 where 子句的窗口函数（LEAD/LAG）？

Posted 2023-03-31

【中文标题】带有 where 子句的窗口函数（LEAD/LAG）？

【英文标题】：Window function (LEAD/LAG) with where clause?

【发布时间】：2020-01-17 23:17:01

【问题描述】：

所以我有一个网站上的页面点击表，对于特定类型的每个页面 (marketing_page)，我试图识别客户点击的下一页。所以我的查询可能看起来像这样

Select * from 
(
Select page_id
, hit_time
, customer_id
, session_id
, page_type
, LEAD(page_id, 1) over (PARTITION BY customer_id, session_id ORDER BY hit_time) as next_page_id
FROM page_hits
)
WHERE page_type = 'marketing_page'

这种方法的问题是如果我将WHERE 子句保留在子查询之外，子查询就会变得巨大。理想情况下，我希望能够执行以下操作：

Select page_id
, hit_time
, customer_id
, session_id
, page_type
, LEAD(page_id, 1) over (PARTITION BY customer_id, session_id ORDER BY hit_time) as next_page_id
FROM page_hits
WHERE page_type = 'marketing_page'

但在执行LEAD 函数时，它仍会考虑WHERE 子句之外的页面。我知道LEAD 函数在WHERE 之后被评估，所以这是不可能的。

由于效率问题，我还想避免自加入。有没有一种快速/简单的方法来实现这一点？

谢谢！

【问题讨论】：

您是否遇到了特定的性能问题？ SQL 是一种声明性语言，因此子查询可能不会在处理 where 之前完成评估。

这正是问题所在。在能够评估子查询之前超时。

您使用的是 Postgres 还是 Redshift？它们是非常不同的数据库（即使曾几何时代码库相似）。

对不起，应该已经澄清，使用红移

派生表对性能没有任何影响，在这种情况下，它只是语法糖。

【参考方案1】：

评论太长了。

如果一个简单的lead() 不能在 Redshift 表上工作，那可能是几件事之一。想到的是：

Redshift 数据库正忙，已用完所有查询连接，您只是在等待。我认为情况并非如此。 您的数据非常庞大。 您的“表格”确实是一个复杂的视图。

鉴于数据的性质，我会假设数据非常大。我会进一步假设它是按某个时间单位划分的，可能是天。

您需要将查询限制为一个或几个分区才能运行它。您的问题没有提供有关如何完成的信息。

【讨论】：

数据非常大。表是按天分区的，我希望一次得到一年，但也尝试了 6 个月。

@doddy 。 . .可能对数据的任何查询（不限制分区）都会超时。问题可能不是窗口函数。