在 T-SQL 中查找开始和结束日期（基于集合）

Posted 2023-04-12

【中文标题】在 T-SQL 中查找开始和结束日期（基于集合）

【英文标题】：Find the start and end date (set based) in T-SQL

【发布时间】：2011-01-10 04:11:26

【问题描述】：

我有以下。

Name    Date
A   2011-01-01 01:00:00.000
A   2011-02-01 02:00:00.000
A   2011-03-01 03:00:00.000
B   2011-04-01 04:00:00.000
A   2011-05-01 07:00:00.000

想要的输出是

Name       StartDate                        EndDate
-------------------------------------------------------------------
A          2011-01-01 01:00:00.000         2011-04-01 04:00:00.000    
B          2011-04-01 04:00:00.000         2011-05-01 07:00:00.000    
A          2011-05-01 07:00:00.000         NULL

如何在基于集合的方法中使用 TSQL 实现相同的目标。

DDL 如下

DECLARE @t TABLE(PersonName VARCHAR(32), [Date] DATETIME) 
INSERT INTO @t VALUES('A', '2011-01-01 01:00:00') 
INSERT INTO @t VALUES('A', '2011-01-02 02:00:00') 
INSERT INTO @t VALUES('A', '2011-01-03 03:00:00') 
INSERT INTO @t VALUES('B', '2011-01-04 04:00:00') 
INSERT INTO @t VALUES('A', '2011-01-05 07:00:00')

Select * from @t

【问题讨论】：

我不明白您如何计算所需的输出。你如何决定结束日期？例如，在所需的输出中，您有一条记录： name start date end date A 2011-01-01 01:00:00.000 2011-04-01 04:00:00.000 但输入的日期为 2011-04-01 04 :00:00.000 与名称 B 关联。我们如何确定记录的结束日期。记录的定义是什么？

一条记录的结束日期是另一条记录的开始日期。所以 A 的开始日期是 2011-01-01 01:00:00.000，但 B 的开始日期是 2011-04-01 04:00:00.000。所以 A 的结束日期是 2011-04-01 04:00:00.000。同样，B 之后的 A 的开始日期为 2011-05-01 07:00:00.000，这是 B 的结束日期。

但是你怎么知道选择哪条记录作为特定记录的结束日期？

在名称中找到的第一个差异。即 A 在开始时出现 3 次，然后 B 出现在第 4 行。所以 1 笔交易结束。在第 5 排，A 又来了。所以从 4 号到 5 号有一个新的交易

不幸的是，没有某种逻辑来确定您如何选择结束日期并将数据合并到输出中，我认为没有人可以帮助编写 SQL 来获取输出你的愿望。从 A（输入）到 B（输出）必须遵循某种逻辑。

【参考方案1】：

;WITH cte1
     AS (SELECT *,
                ROW_NUMBER() OVER (ORDER BY Date) -
                ROW_NUMBER() OVER (PARTITION BY PersonName
                ORDER BY Date) AS G
         FROM   @t),
     cte2
     AS (SELECT PersonName,
                MIN([Date]) StartDate,
                ROW_NUMBER() OVER (ORDER BY  MIN([Date])) AS rn
         FROM   cte1
         GROUP  BY PersonName,
                   G)
SELECT a.PersonName,
       a.StartDate,
       b.StartDate AS EndDate
FROM   cte2 a
       LEFT JOIN cte2 b
         ON a.rn + 1 = b.rn  

因为 CTE 的结果通常不会实现 如果您实现 自己的中间结果如下。

DECLARE @t2 TABLE (
  rn         INT IDENTITY(1, 1) PRIMARY KEY,
  PersonName VARCHAR(32),
  StartDate  DATETIME );

INSERT INTO @t2
SELECT PersonName,
       MIN([Date]) StartDate
FROM   (SELECT *,
               ROW_NUMBER() OVER (ORDER BY Date) -
               ROW_NUMBER() OVER (PARTITION BY PersonName
               ORDER BY Date) AS G
        FROM   @t) t
GROUP  BY PersonName,
          G
ORDER  BY StartDate

SELECT a.PersonName,
       a.StartDate,
       b.StartDate AS EndDate
FROM   @t2 a
       LEFT JOIN @t2 b
         ON a.rn + 1 = b.rn 

【参考方案2】：

SELECT
  PersonName,
  StartDate = MIN(Date),
  EndDate
FROM (
  SELECT
    PersonName,
    Date,
    EndDate = (
      /* get the earliest date after current date
         associated with a different person */
      SELECT MIN(t1.Date)
      FROM @t AS t1
      WHERE t1.Date > t.Date
        AND t1.PersonName <> t.PersonName
    )
  FROM @t AS t
) s
GROUP BY PersonName, EndDate
ORDER BY 2

基本上，对于每个Date，我们都会在它之后找到与不同PersonName 关联的最近日期。这给了我们EndDate，它现在可以为我们区分同一个人的连续日期组。

现在我们只需要将数据按PersonName 和EndDate 进行分组，并得到每个组中最小的Date 为StartDate。是的，当然，按StartDate 对数据进行排序。

【参考方案3】：

获取行号，以便您知道上一条记录在哪里。然后，取一个记录和它之后的下一个记录。当状态改变时，我们有一个候选行。

select 
  state, 
  min(start_timestamp),
  max(end_timestamp)

from
(
    select
        first.state, 
        first.timestamp_ as start_timestamp,
        second.timestamp_ as end_timestamp

        from
        (
            select
                *, row_number() over (order by timestamp_) as id
            from test
        ) as first

        left outer join
        (
            select
                *, row_number() over (order by timestamp_) as id
            from test
        ) as second
        on 
            first.id = second.id - 1 
            and first.state != second.state
) as agg
group by state
    having max(end_timestamp) is not null 

union

-- last row wont have a ending row
--(select state, timestamp_, null from test order by timestamp_ desc limit 1)
    -- I think it something like this for sql server
     (select top state, timestamp_, null from test order by timestamp_ desc)

order by 2
;

已使用 PostgreSQL 测试，但也应与 SQL Server 一起使用

【参考方案4】：

cte 的另一个答案是一个很好的答案。另一种选择是在任何情况下都遍历集合。它不是基于集合的，但它是另一种实现方式。

您将需要迭代到 A. 为与其事务对应的每条记录分配一个唯一的 id，或者 B. 以实际获取您的输出。

TSQL 不适合迭代记录，特别是如果您有很多记录，因此我会推荐一些其他方法，一个小的 .net 程序或更擅长迭代的东西。

【参考方案5】：

有一个非常快速的方法可以使用一些间隙和岛屿理论来做到这一点：

WITH CTE as (SELECT PersonName, [Date]
                   , Row_Number() over (ORDER BY [Date])
                     - Row_Number() over (ORDER BY PersonName, [Date]) as Island
             FROM @t)

Select PersonName, Min([Date]), Max([Date])
from CTE
GROUP BY Island, PersonName
ORDER BY Min([Date])