查找唯一标识符重复的每个字段的最大序列号

Posted 2023-04-12

【中文标题】查找唯一标识符重复的每个字段的最大序列号

【英文标题】：Find each field's max sequence number where unique identifier repeats

【发布时间】：2020-11-20 20:10:50

【问题描述】：

我有一个用户、ID 和活动时间戳的列表。数据按用户、ID、活动时间和基于所有这些维度分配的序列号排序。我需要根据序列号提取最早的时间戳，然后按每个用户和 ID 的序列号提取最新的时间戳。问题是当 ID 在当天晚些时候甚至第二天重复时，我的代码没有为每个 ID 拾取唯一的事件序列。

因此，如果用户 A 在 ID A123 上执行 5 个事件，然后在 ID A567 上移动以执行 6 个事件，然后返回 A123 以执行 4 个额外任务，我需要结果来反映 ID A123 上的第一个和最后一个活动，然后是 A567，然后是 A123。

下面是我用来生成表格的当前代码：

SELECT 
user_id,
activity_date,
foc_id,
ROW_NUMBER() OVER ( PARTITION BY user_id, mno ORDER BY activity_date ) AS seq_num


FROM   cf.activity_history
MATCH_RECOGNIZE (
  PARTITION BY user_id
  ORDER     BY activity_date
  MEASURES
    MATCH_NUMBER() AS mno
  ALL ROWS PER MATCH
  PATTERN (same_foc_id * last_row  )
  DEFINE
    same_foc_id AS FIRST(foc_id) = NEXT(foc_id )
)

where 
user_id in ('UVAC3','UVAH161','UVEK29','UVRB152')
and (activity_date < (sysdate - 11)
and activity_date > (sysdate - 13))

order by
user_id,
activity_date,
foc_id

enter image description here

【问题讨论】：

请在帖子中而不是在图片中以文本格式分享示例数据。

【参考方案1】：

这读起来像是一个间隙和孤岛问题：一个孤岛代表一系列“相邻”行，用户在其中执行相同的活动，而您需要每个孤岛的开始和结束。

一个选项使用lead() 和lag()。假设foc_id 标识活动：

select user_id, activity_date, foc_id
from (
    select a.*,
        lead(foc_id) over(partition by user_id order by activity_date) lead_foc_id,
        lag(foc_id) over(partition by user_id order by activity_date) lag_foc_id
    from cf.activity_history a
    where
        user_id in ('UVAC3', 'UVAH161', 'UVEK29', 'UVRB152')
        and activity_date < sysdate - 11
        and activity_date > sysdate - 13
) a
where 
    lead_foc_id is null 
    or lag_foc_id is null
    or foc_id <> lead_foc_id
    or foc_id <> lag_foc_id

【讨论】：

这让我非常接近......但是我不需要为领先和滞后值设置两行单独的行，而是每个 FOC_ID 需要两列，一列用于领先（及时），一列用于滞后（时差）。此外，我需要使用这些时间进行两次计算：进出时间之间的时间，然后是出和下一个时间。

我遇到的另一个问题是，当 FOC_ID 只有一个活动时间戳时......此时，“滞后”（出）时间应该与前（入）时间相同。