计算 BigQuery 中时间戳之间的平均延迟

Posted 2023-03-31

【中文标题】计算 BigQuery 中时间戳之间的平均延迟

【英文标题】：Calculating the average lag between timestamps in BigQuery

【发布时间】：2021-08-28 06:42:26

【问题描述】：

我的数据大致有以下结构：

client_id | visit_number | session_start_time | hit_count

我目前正在使用：

SELECT client_id, visit_number, SUM(hit_count) OVER (PARTITION BY client_id ORDER BY visit_number), 
session_start_time - LAG(session_start_time) OVER (PARTITION by client_id ORDER BY visit_number)
FROM session_table

理想情况下，我希望获得客户点击次数的滚动总和（这似乎工作正常）。连续会话之间的平均增量也很方便。希望我为当前会话计算一个增量的方法是正确的，但我不确定计算平均增量的合理方法。

一个想法是将上面的查询包装成一个 CTE，然后在另一个窗口函数中计算平均值，但我相信它可以在一个查询中完成。

【问题讨论】：

请提供样本数据和期望的结果。 “连续会话之间的平均增量”是什么意思？您定义的增量只有一个。

【参考方案1】：

如果您想要会话之间到本次会话的平均时间，那么您可以通过将当前时间减去第一次并除以会话数减去 1 来计算它：

SELECT client_id, visit_number,
       SUM(hit_count) OVER (PARTITION BY client_id ORDER BY visit_number), 
       session_start_time - LAG(session_start_time) OVER (PARTITION by client_id ORDER BY visit_number) as delta,
       (session_start_time - 
        MIN(session_start_time) OVER (PARTITION by client_id)
       ) / NULLIF(ROW_NUMBER() OVER (PARTITION BY client_id ORDER BY session_start_time) - 1, 0) as avg_delta       
FROM session_table;

【讨论】：

谢谢，这正是我想要实现的目标。我可以问你一个更简单的问题吗？在OVER() 中使用ORDER BY 来表示MIN 和MAX 并不正确，但不会改变结果，因为在这种情况下，分区内的排序无关紧要。这与SUM() 不同，因为我们对运行总数感兴趣，并且指定分区顺序很重要。我的理解正确吗？

分区语法中的ORDER BY 子句执行“累积”功能。这适用于MIN()、MAX() 和SUM()。它影响到所有人。但是，如果第一个值是MIN()，那么无论有没有ORDER BY，它都会返回相同的结果。