运行长度或连续相同值编码的 SQL 查询

Posted 2023-04-12

【中文标题】运行长度或连续相同值编码的 SQL 查询

【英文标题】：SQL query for run-length, or consecutive identical value encoding

【发布时间】：2015-06-14 13:45:11

【问题描述】：

我的目标是获取一组按id 排序的数据，并返回一个结果集，该结果集指示val 列相同的连续行数。例如。鉴于此数据：

| id | val |
|  1 |  33 |
|  2 |  33 |
|  3 |  44 |
|  4 |  28 |
|  5 |  44 |
|  6 |  44 |

我想看看这个结果：

| id | val | run_length |
| 1  | 33  | 2          |
| 3  | 44  | 1          |
| 4  | 28  | 1          |
| 5  | 44  | 2          |

结果集中的 id 列是可选的。事实上，如果它显着增加难度，那么只需将该列排除在结果之外。我有点喜欢拥有它，因为它将结果集“固定”到表中的特定位置。

我主要对免费数据库引擎的结果感兴趣。我对解决方案的偏好顺序是：

SQLite Postgres mysql 甲骨文 SQL 服务器 Sybase

【参考方案1】：

我将在您的列表中选择 #2，因为在 SQLite 中使用单个查询执行此操作非常痛苦。以下是标准SQL：

select min(id), val, count(*) as runlength
from (select t.*,
             (row_number() over (order by id) -
              row_number() over (partition by val order by id)
             ) as grp
      from data t
     ) t
group by grp, val;

这使用两个行号计算的差异来识别相同值的序列。它应该可以在数据库 2、4、5 和 6 的最新版本中运行。

【讨论】：

来自未来的注释 - 从 3.25.0 (2018-09-15) 开始，这在 SQLite 中现在确实有效。 cfsqlite.org/windowfunctions.html

【参考方案2】：

我一直在 SQLITE 的 RLE 空间中四处游荡，偶然发现了这篇文章。我相信这段代码适用于#1。第一个答案是正确的，这在 SQLite 中作为单个查询有点痛苦。

create table example (id integer primary key autoincrement, val integer);

insert into example (val) values (33);
insert into example (val) values (33);
insert into example (val) values (44);
insert into example (val) values (28);
insert into example (val) values (44);
insert into example (val) values (44);


select ren.low_id, e2.val, (ren.high_id - ren.low_id)+1
from example e2
inner join (
select min(hb.low_id) as low_id, hb.high_id as high_id
from 
(
    with nexample(low_id, high_id, val) 
    as 
    (
    select e.id, e.id, e.val from example e
    union all
    select ne.low_id, eu.id, ne.val 
    from nexample ne
    inner join example eu on eu.id = ne.high_id+1 AND eu.val=ne.val
    )
    select ne.low_id, max(ne.high_id) as high_id from nexample ne
    group by ne.low_id
) hb
group by hb.high_id
) ren on ren.low_id = e2.id;

输出：

1|33|2
3|44|1
4|28|1
5|44|2

请注意，此解决方案在非常稀疏的集合上表现不佳...我正在寻找一种替代方法来处理稀疏集合。

例如，在一组 10000 行中，val 集为 [0,1]，但所有值均为 0。此代码在我的硬件上运行大约需要 2 分钟 30 秒。不太好。