具有开始和结束日期的差距和孤岛(有效期)
Posted
技术标签:
【中文标题】具有开始和结束日期的差距和孤岛(有效期)【英文标题】:Gaps and Islands with start en end date (ValidPeriod) 【发布时间】:2016-11-16 15:28:06 【问题描述】:我已搜索但找不到以下问题的解决方案。
我有几个价目表有几百万行,我发现了许多可以汇总到一行的示例,因为该组的开始日期和结束日期是连续的(结束日期:20151231 下一个开始日期:20160101)
但我也发现了许多差距,这意味着使用 min() 和 max() 函数的直接方法不适用,因为可能的差距将被忽略。
以下包含一个带有示例记录的#Price 表和一个带有我要拍摄的结果的#Target 表:
谢谢。
我对间隔的定义是两条连续记录之间的间隔超过 1 天。
if object_id('tempdb..#Prices', 'table') is not null
drop table #Prices
;
create table #Prices (
Product varchar(50) not null
, Value decimal(18,5) not null
, ValidFrom date not null
, ValidTo date null
)
insert into #Prices
(
Product
, Value
, ValidFrom
, ValidTo
)
select
Product = 'Island A'
, Value = 10.10
, ValidFrom = '20140101'
, ValidTo = '20140606'
union all
select
Product = 'Island A'
, Value = 10.10
, ValidFrom = '20140607'
, ValidTo = '20141010'
union all
select
Product = 'Island A'
, Value = 10.11
, ValidFrom = '20141011'
, ValidTo = '20141231'
union all
select
Product = 'Island A'
, Value = 11.10
, ValidFrom = '20150101'
, ValidTo = '20151231'
union all
select
Product = 'Island A'
, Value = 10.10
, ValidFrom = '20160101'
, ValidTo = null
union all
select
Product = 'Gap B'
, Value = 20.10
, ValidFrom = '20140101'
, ValidTo = '20140606'
union all
select
Product = 'Gap B'
, Value = 20.10
, ValidFrom = '20140607'
, ValidTo = '20141010'
union all
select
Product = 'Gap B'
, Value = 20.10
, ValidFrom = '20150101'
, ValidTo = '20151231'
union all
select
Product = 'Gap B'
, Value = 20.10
, ValidFrom = '20160101'
, ValidTo = null
select *
from #Prices as P
order by P.Product, P.ValidFrom
;
if object_id('tempdb..#Target', 'table') is not null
drop table #Target
;
create table #Target (
Product varchar(50) not null
, Value decimal(18,5) not null
, ValidFrom date not null
, ValidTo date null
)
insert into #Target
(
Product
, Value
, ValidFrom
, ValidTo
)
select
Product = 'Island A'
, Value = 10.10
, ValidFrom = '20140101'
, ValidTo = '20141010'
union all
select
Product = 'Island A'
, Value = 10.11
, ValidFrom = '20141011'
, ValidTo = '20141231'
union all
select
Product = 'Island A'
, Value = 11.10
, ValidFrom = '20150101'
, ValidTo = '20151231'
union all
select
Product = 'Island A'
, Value = 10.10
, ValidFrom = '20160101'
, ValidTo = null
union all
select
Product = 'Gap B'
, Value = 20.10
, ValidFrom = '20140101'
, ValidTo = '20141010'
union all
select
Product = 'Gap B'
, Value = 20.10
, ValidFrom = '20150101'
, ValidTo = null
select *
from #Target as P
order by P.Product, P.ValidFrom
;
编辑 我希望编辑是您问题的答案。可以通过取 min(ValidFrom) 和 max(ValidTo) 来聚合连续的记录(记录之间最多 1 天)。问题在于差距,这些将被忽略。产品“差距 B”的结果将是一条记录。 即使日期在 Gap 期间,任何使用 Date 的记录都将获得值 20.10。
Gap B | 20.10 | 20140101 | null
因此我需要 2 条记录,因此表上的所有连接都将产生正确的值,而在 Gap 期间没有值
Gap B | 20.10 | 20140101 | 20141010
Gap B | 20.10 | 20151231 | null
【问题讨论】:
请仅显示您的表格数据示例,以及为什么这表明您存在间隙和孤岛问题。 @TimBiegeleisen,我对原始问题做了一点补充。我希望这很清楚。 Grzt 亚历山大 【参考方案1】:这是一个使用递归 cte 的不同解决方案,我认为与 Jon 的相比,它更容易理解。在这样的数据量上,它的效率也更高,尽管您需要自己测试更大数据集的性能:
;with rownum
as
(
select row_number() over (order by Product, ValidFrom) as rn
,Product
,Value
,ValidFrom
,ValidTo
from #Prices
)
,cte
as
(
select rn
,Product
,Value
,ValidFrom
,ValidFrom as ValidFrom2
,ValidTo
from rownum
where rn = 1
union all
select r.rn
,r.Product
,r.Value
,r.ValidFrom
,case when c.Product = r.Product
then case when dateadd(d,1,c.ValidTo) = r.ValidFrom
then c.ValidFrom
else r.ValidFrom
end
else r.ValidFrom
end as ValidFrom2
,isnull(r.ValidTo,'29990101') as ValidTo
from rownum r
inner join cte c
on(r.rn = c.rn+1)
)
select Product
,Value
,ValidFrom2 as ValidFrom
,nullif(max(ValidTo),'29990101') as ValidTo
from cte
group by Product
,Value
,ValidFrom2
order by Product
,ValidFrom2;
【讨论】:
不确定我是否同意“更容易理解”,但我们都有自己的偏好和教条。在大数据上,递归 ctes 可以是一条狗。例如:使用 r-cte 构建 200K 层次结构可能需要将近 5 分钟,而我的其他方法需要 7 秒(完成范围键) @iamdave,太棒了!正是医生吩咐的。您交付速度的额外积分。谢谢。 grtz 亚历山大 @JohnCappelletti 同意,因此需要进行测试的警告。在较小的数据集上,我认为我的解决方案会表现得更好,尽管您的解决方案缺少递归肯定会在更大的数据集上表现得更好。 @iamdave 只是为了好玩,我测试了你和我的。根据提供的数据,您的平均速度快了 15 毫秒(每次运行 5 次) @JohnCappelletti 每一点都有帮助!【参考方案2】:必须为 NULL ValidTo 编写一些逻辑
;with cte0(N) as (Select 1 From (Values(1),(1),(1),(1),(1),(1),(1),(1),(1),(1)) N(N))
,cte1(R,D) as (Select Row_Number() over (Order By (Select Null))
,DateAdd(DD,Row_Number() over (Order By (Select Null)) -1,(Select min(ValidFrom) From #Prices))
From cte0 N1, cte0 N2, cte0 N3, cte0 N4)
Select Product
,Value
,ValidFrom = Min(ValidFrom)
,ValidTo = nullif(max(isnull(ValidTo,'2099-12-31')),'2099-12-31')
From (
Select *
,Island = R - Row_Number() over (Partition By Product,Value Order by ValidFrom)
From #Prices A
Join cte1 B on D Between ValidFrom and IsNull(ValidTo,'2099-12-31')
) A
Group By Product,Value,Island
Order By 1 Desc,3
返回
Product Value ValidFrom ValidTo
Island A 10.10000 2014-01-01 2014-10-10
Island A 10.11000 2014-10-11 2014-12-31
Island A 11.10000 2015-01-01 2015-12-31
Island A 10.10000 2016-01-01 NULL
Gap B 20.10000 2014-01-01 2014-10-10
Gap B 20.10000 2015-01-01 NULL
【讨论】:
我疯了还是这条线case when Max(IsNull(ValidTo,'2099-12-31'))='2099-12-31' then null else Max(IsNull(ValidTo,'2099-12-31')) end
和nullif(max(isnull(ValidTo,'2099-12-31')),'2099-12-31')
一样?
@JohnCappelletti,比“iamdave”更令人印象深刻。但是这个解决方案需要对工作原理进行一些调查。我很快就会回来找你。 gtz亚历山大
@Alexander 老实说,无论哪种解决方案最适合您……性能和/或可支持性
@Alexander 不管怎样,我仍然给 iamdave 一个加分项
@JohnCappelletti,这样就可以了……谢谢!刚刚将此帖子标记为解决方案。你真是个聪明人。 grtz 亚历山大以上是关于具有开始和结束日期的差距和孤岛(有效期)的主要内容,如果未能解决你的问题,请参考以下文章