SQL Server：寻找就业差距——孤岛和差距问题
Posted
技术标签:
【中文标题】SQL Server：寻找就业差距——孤岛和差距问题【英文标题】：SQL Server : finding gaps in employment - island and gap problem 【发布时间】：2019-02-19 16:37:51 【问题描述】：上周我一直在通过堆栈溢出来尝试解决这个问题，但我仍然无法找到可行的解决方案，所以想知道是否有人可以为我提供一些帮助/建议？
数据结构说明
我有以下表格：
位置表（zz_position），用于保存详细信息
职位（职位 ID）包括其有效的日期范围。
PosNo Description Date_From Date_To
---------------------------------------------------------
10001 System Administrator 20170101 20231231
资源表 (zz_resource)，用于保存资源（员工）的详细信息，包括他们加入公司和离开公司的日期
resID description date_from date_to
------------------------------------------
100 Sam 20160101 20991231
101 Joe 20150101 20991231
就业表 (zz_employment)，用于将职位链接到日期范围内的资源
PosNo resID Date_From Date_To seqNo
---------------------------------------------------
10001 100 20180101 20180401 1
10001 101 20180601 20191231 2
10001 100 20200101 20991231 3
问题
现在由于人们换了职位，一个帖子可能会在一段时间内没有人满，我想做的是生成一份报告，我可以用它随时给我一个帖子状态的细分及时。
我知道我可以生成一个使用日历表来完整映射每一天的报告，但是我想要的是一个生成以下聚合格式数据的报告：
PosNo resID Date_From Date_To seqNo
-------------------------------------------------
10001 NULL 20170101 20171231 0
10001 100 20180101 20180401 1
10001 NULL 20180402 20180530 0
10001 101 20180601 20191231 2
10001 100 20200101 20231231 3
insert into zz_employment
values ('10001', '100', '2018-01-01 00:00:00.000', '2018-04-01 00:00:00.000', 1),
('10001', '101', '2018-06-01 00:00:00.000', '2019-12-31 00:00:00.000', 2),
('10001', '100', '2020-01-01 00:00:00.000', '2099-12-31 00:00:00.000', 3)
（请注意报告如何使用表中的两行并生成完整的就业年限，其中第一个空行日期从职位开始日期拉出，最后一行日期从职位开始日期拉出职位结束日期。
理想情况下，我希望将其作为视图/函数，但由于复杂性，我非常乐意拥有一系列 T SQL 语句，我可以在每晚作为数据仓库例程的一部分运行这些语句。
规则
所有日期都被截断为 datetime，因此 date_to 引用的是结束日期而不是结束日期和时间 如果职位/就业/资源没有结束日期，则将其表示为 20991231 如果就业本身是开放式的，那么就业表中的日期表示为 20991231，即使职位本身可能以 20231231 结束。理想情况下，我希望结果尊重职位结束日期。SQL 代码：
CREATE TABLE zz_position
(
posNo varchar(25) NOT NULL,
description varchar(25) NOT NULL,
date_from datetime NULL,
date_to datetime NULL
)
insert into zz_position
values ('10001', 'System Administrator', '2017-01-01 00:00:00.000', '2020-12-31 00:00:00.000')
go
CREATE TABLE zz_resource
(
resID varchar(25) NOT NULL,
description varchar(25) NOT NULL,
date_from datetime NULL,
date_to datetime NULL
)
insert into zz_resource
values ('100', 'Sam', '2016-01-01 00:00:00.000', '2099-12-31 00:00:00.000'),
('101', 'Joe', '2015-01-01 00:00:00.000', '2099-12-31 00:00:00.000')
go
CREATE TABLE zz_employment
(
posNo varchar(25) NOT NULL,
resID varchar(25) NOT NULL,
date_from datetime NULL,
date_to datetime NULL,
seqNo int NULL
)
insert into zz_employment
values ('10001', '100', '2018-01-01 00:00:00.000', '2018-04-01 00:00:00.000', 1),
('10001', '101', '2018-06-01 00:00:00.000', '2019-12-31 00:00:00.000', 2),
('10001', '100', '2020-01-01 00:00:00.000', '2099-12-31 00:00:00.000', 3)
【问题讨论】：
感谢 DDL 和 DML。但是，作为一个有用的提示，请避免使用yyyy-MM-dd( hh:mm:ss) 数据类型和 datetime 数据类型的格式； SQL Server 将其解释为yyyy-dd-MM( hh:mm:ss)，这意味着其中一些值将无法插入。无论语言 和 数据类型如何，yyyyMMdd 和 yyyy-MM-ddThh:mm:ss 都可以工作。
谢谢你，下次会记住通用日期时间提示
【参考方案1】：
这个问题有两个注意事项：
日历表。 一种在失业期间之间存在就业期间时正确分组失业期间的方法。以下解决方案使用日历表（包括 SQL）和带有锚日期技巧的 DATEDIFF() 为第二点正确分组。
填写DB Fiddle here。
解决方案（解释如下）：
;WITH AllPositionDates AS
(
SELECT
T.posNo,
C.GeneratedDate
FROM
zz_position AS T
INNER JOIN Calendar AS C ON C.GeneratedDate BETWEEN T.date_from AND T.date_to
),
AllEmployedDates AS
(
SELECT
T.posNo,
T.resID,
T.seqNo,
C.GeneratedDate
FROM
zz_employment AS T
INNER JOIN Calendar AS C ON C.GeneratedDate BETWEEN T.date_from AND T.date_to
),
PositionsByEmployed AS
(
SELECT
P.posNo,
P.GeneratedDate,
E.resID,
E.seqNo,
NullRowNumber = ROW_NUMBER() OVER (
PARTITION BY
P.posNo,
CASE WHEN E.posNo IS NULL THEN 1 ELSE 2 END
ORDER BY
P.GeneratedDate ASC)
FROM
AllPositionDates AS P
LEFT JOIN AllEmployedDates AS E ON
P.posNo = E.posNo AND
P.GeneratedDate = E.GeneratedDate
)
SELECT
P.posNo,
P.resID,
Date_From = MIN(P.GeneratedDate),
Date_To = MAX(P.GeneratedDate),
seqNo = ISNULL(P.seqNo, 0)
FROM
PositionsByEmployed AS P
GROUP BY
P.posNo,
P.resID,
P.seqNo,
CASE WHEN P.resId IS NULL THEN P.NullRowNumber - DATEDIFF(DAY, '2000-01-01', P.GeneratedDate) END -- GroupingValueGroupingValue
ORDER BY
P.posNo,
Date_From,
Date_To
结果：
posNo resID Date_From Date_To seqNo
10001 NULL 2017-01-01 2017-12-31 0
10001 100 2018-01-01 2018-04-01 1
10001 NULL 2018-04-02 2018-05-31 0
10001 101 2018-06-01 2019-12-31 2
10001 100 2020-01-01 2020-12-31 3
说明
首先创建一个日历表。这每天保留 1 行，在此示例中，它仅限于工作职位的第一天和最后一天：
DECLARE @DateStart DATE = (SELECT MIN(P.date_from) FROM zz_position AS P)
DECLARE @DateEnd DATE = (SELECT(MAX(P.date_to)) FROM zz_position AS P)
;WITH GeneratedDates AS
(
SELECT
GeneratedDate = @DateStart
UNION ALL
SELECT
GeneratedDate = DATEADD(DAY, 1, G.GeneratedDate)
FROM
GeneratedDates AS G
WHERE
DATEADD(DAY, 1, G.GeneratedDate) <= @DateEnd
)
SELECT
DateID = IDENTITY(INT, 1, 1),
G.GeneratedDate
INTO
Calendar
FROM
GeneratedDates AS G
OPTION
(MAXRECURSION 0)
这会生成以下内容（截至 2020 年 12 月 31 日，这是样本数据的最大日期）：
DateID GeneratedDate
1 2017-01-01
2 2017-01-02
3 2017-01-03
4 2017-01-04
5 2017-01-05
6 2017-01-06
7 2017-01-07
现在我们使用带 between 的连接来“传播”职位和员工期间的期间（在不同的 CTE 上），因此我们每天为每个职位/员工获取 1 行。
-- AllPositionDates
SELECT
T.posNo,
C.GeneratedDate
FROM
zz_position AS T
INNER JOIN Calendar AS C ON C.GeneratedDate BETWEEN T.date_from AND T.date_to
-- AllEmployedDates
SELECT
T.posNo,
T.resID,
T.seqNo,
C.GeneratedDate
FROM
zz_employment AS T
INNER JOIN Calendar AS C ON C.GeneratedDate BETWEEN T.date_from AND T.date_to
有了这些，我们使用LEFT JOIN按职位和日期将它们连接在一起，因此我们可以获得每个职位和匹配员工（如果存在）的所有天数。我们还为稍后将要使用的每个位置的所有NULL 值计算行号。请注意，此行号会随着随后的每个日期相应地增加 1。
;WITH AllPositionDates AS
(
SELECT
T.posNo,
C.GeneratedDate
FROM
zz_position AS T
INNER JOIN Calendar AS C ON C.GeneratedDate BETWEEN T.date_from AND T.date_to
),
AllEmployedDates AS
(
SELECT
T.posNo,
T.resID,
T.seqNo,
C.GeneratedDate
FROM
zz_employment AS T
INNER JOIN Calendar AS C ON C.GeneratedDate BETWEEN T.date_from AND T.date_to
)
-- PositionsByEmployee
SELECT
P.posNo,
P.GeneratedDate,
E.resID,
E.seqNo,
NullRowNumber = ROW_NUMBER() OVER (
PARTITION BY
P.posNo,
CASE WHEN E.posNo IS NULL THEN 1 ELSE 2 END
ORDER BY
P.GeneratedDate ASC)
FROM
AllPositionDates AS P
LEFT JOIN AllEmployedDates AS E ON
P.posNo = E.posNo AND
P.GeneratedDate = E.GeneratedDate
现在是棘手的部分。如果我们计算硬编码日期和每一天之间的差异天数，我们会得到一个类似的“行号”，每个日期都会持续增加。
SELECT
P.posNo,
P.GeneratedDate,
DateDiff = DATEDIFF(DAY, '2000-01-01', P.GeneratedDate),
P.NullRowNumber
FROM
PositionsByEmployed AS P -- This is declare with the WITH (full solution below)
ORDER BY
P.posNo,
P.GeneratedDate
我们得到以下信息：
posNo GeneratedDate DateDiff NullRowNumber
10001 2017-01-01 6210 1
10001 2017-01-02 6211 2
10001 2017-01-03 6212 3
10001 2017-01-04 6213 4
10001 2017-01-05 6214 5
10001 2017-01-06 6215 6
10001 2017-01-07 6216 7
10001 2017-01-08 6217 8
10001 2017-01-09 6218 9
如果我们用这 2 列的其余部分添加另一列，您会看到值保持不变：
SELECT
P.posNo,
P.GeneratedDate,
DateDiff = DATEDIFF(DAY, '2000-01-01', P.GeneratedDate),
P.NullRowNumber,
GroupingValue = P.NullRowNumber - DATEDIFF(DAY, '2000-01-01', P.GeneratedDate)
FROM
PositionsByEmployed AS P
ORDER BY
P.posNo,
P.GeneratedDate
我们得到：
posNo GeneratedDate DateDiff NullRowNumber GroupingValue
10001 2017-01-01 6210 1 -6209
10001 2017-01-02 6211 2 -6209
10001 2017-01-03 6212 3 -6209
10001 2017-01-04 6213 4 -6209
10001 2017-01-05 6214 5 -6209
10001 2017-01-06 6215 6 -6209
10001 2017-01-07 6216 7 -6209
10001 2017-01-08 6217 8 -6209
10001 2017-01-09 6218 9 -6209
10001 2017-01-10 6219 10 -6209
但是，如果我们向下滚动直到看到员工的值为 NULL（来自 ROW_NUMBER() PARTITION BY 表达式 E.PosNo），我们会看到其余部分不同，因为 ROW_NUMBER() 不断增加 1 和 @987654338 @跳起来是因为中间有雇员：
posNo GeneratedDate DateDiff NullRowNumber GroupingValue
10001 2017-12-28 6571 362 -6209
10001 2017-12-29 6572 363 -6209
10001 2017-12-30 6573 364 -6209
10001 2017-12-31 6574 365 -6209
...
10001 2018-04-02 6666 366 -6300
10001 2018-04-03 6667 367 -6300
10001 2018-04-04 6668 368 -6300
10001 2018-04-05 6669 369 -6300
10001 2018-04-06 6670 370 -6300
10001 2018-04-07 6671 371 -6300
将此“GroupingValue”用作附加的GROUP BY 以正确分隔超出使用区间的位置区间。
【讨论】：
真的很喜欢您的解决方案，我忘记说明的一件事是多个人可以同时在同一个帖子中。我尝试更改插入语句以插入 zz_employment 值（'10001'、'100'、'2018-01-01 00:00:00.000'、'2018-04-01 00:00:00.000'、1）、（ '10001', '101', '2018-02-01 00:00:00.000', '2019-12-31 00:00:00.000', 2), ('10001', '100', '2020-01' -01 00:00:00.000', '2099-12-31 00:00:00.000', 3) 强制重叠并破坏解决方案，您是否能够修改代码以适应场景。跨度> @Reky 在这种情况下，您唯一需要更改的是 GROUP BY 表达式仅在员工不为空CASE WHEN P.resId IS NULL THEN P.NullRowNumber - DATEDIFF(DAY, '2000-01-01', P.GeneratedDate) END -- GroupingValue 时应用。我已经更新了我的答案。
抱歉耽搁了，我昨天终于有机会测试了它，它运行良好，非常感谢您的帮助！以上是关于SQL Server：寻找就业差距——孤岛和差距问题的主要内容，如果未能解决你的问题，请参考以下文章