SQL中countinues状态的聚合

Posted 2023-05-09

【中文标题】SQL中countinues状态的聚合

【英文标题】：Aggregation on countinues status in SQL

【发布时间】：2020-05-08 09:43:16

【问题描述】：

我正在处理一些包含play 和end 的播放状态日志数据。在游戏过程中，客户端会多次报告play，但当出现end时，表示游戏结束，比如

user_id  status  timestamp
   a      play    xxx
   a      play    xxx
   a      play    xxx
   a      end     xxx
   b      play    xxx
   b      end     xxx
   c      play    xxx
   c      play    xxx
   c      end     xxx
   a      play    xxx
   a      play    xxx
   a      end     xxx
   a      play    xxx
   a      end     xxx

现在，我可以使用row_number() 来计算user_id 的数量与超过2 个play 状态的游戏类似：

# I realize this is a wrong query...

select count(distinct user_id) as cnt_uid
    (select  
        user_id,status,timestamp, 
        row_number() over (partition by user_id, status, order by timestamp) as rn
    from tableA) a
    where rn>=2 

但是如果我需要计算超过 2 个play 状态的游戏数量（例如：user A 有 2 个游戏超过 2 个play 状态，user C 有 1 个），该怎么做？任何帮助表示赞赏。

*PS：预期结果只是一些游戏的状态超过 2 个play，对于上面给出的数据，结果是3。

【问题讨论】：

如果在 hive 中可用，您可以使用 DENSE_RANK()

@DigvijayS 感谢您的回复。我在Hive 中尝试了dense_rank() over (order by status)，我认为结果等同于user_id...如果我没有以正确的方式使用它，请随时告诉我....

您能否通过编辑您的帖子添加预期输出。

嗨@DigvijayS 我刚刚修改了帖子，实际上，这种情况下的预期输出只是一个数字：3

【参考方案1】：

您可以使用status = 'end' 的累积总和来定义“游戏”。然后再聚合再聚合：

select user_id, count(*) as games_with_2+_plays
from (select user_id, grp, count(*) as num_plays
      from (select t.*,
                   sum(case when status = 'end' then 1 else 0 end) over (partition by user_id order by timestamp) as grp
            from t
           ) t
      where status = 'play'
      group by user_id, grp
     )
where num_plays >= 2
group by user_id;

【讨论】：

感谢您的精彩回答！！！在您的查询中，status = 'end' 被删除，这是可行的。如果我需要每场比赛的时间间隔（时间间隔=end的时间戳-每场比赛的第一个play的时间戳），如何计算？

@user2894829 。 . .你会做类似min(timestamp)和max(timestamp)之间的区别。