如何在 DocumentDb 上复制“PARTITION BY”答案

【问题标题】：How can I replicate 'PARTITION BY' on DocumentDb如何在 DocumentDb 上复制“PARTITION BY”
【发布时间】：2016-03-16 18:34:59
【问题描述】：

我需要找到每个人最后一次登录的记录。这适用于 T-SQL

SELECT *
FROM
(
  SELECT lh.*, ROW_NUMBER() OVER (PARTITION BY UserId ORDER BY DateCreated DESC) AS RowNumber
  FROM LoginHistory lh
) lhp
where lhp.RowNumber = 1

但由于 DocumentDb 减少了feature set，我不知道如何处理。

我认为这需要作为存储过程来解决，但我也不知道如何构建它。循环多个异步调用？（甚至不知道该怎么做。）下载所有记录并仅使用 JS 过滤它们？

如何翻译？

更新：示例输出

PARTITION BY 类似于 GROUP BY，但它不是聚合结果，而是将记录视为一种范围。所以

  SELECT lh.*, ROW_NUMBER() OVER (PARTITION BY UserId ORDER BY DateCreated DESC) AS RowNumber
  FROM LoginHistory lh

会返回类似的东西

UserId    DateCreated            RowNumber
1         2015-12-10 22:44:03    1
1         2015-12-10 13:35:12    2
1         2015-12-09 18:52:25    3
2         2015-12-10 20:53:13    1
2         2015-12-10 08:12:41    2

它基本上说，“对于给定的 UserId，按 DateCreated 对这些记录进行排序”。

然后我只需在外部查询中选择 RowNumber = 1，我就有每个用户的最新记录。

我的问题使用了 SQL 2015+ 语法，但也可以使用 SQL 2005 之前的语法，这可以通过 this 之类的东西来完成：

Select Date, User, Status, Notes 
from [SOMETABLE]
inner join 
(
    Select max(Date) as LatestDate, [User]
    from [SOMETABLE]
    Group by User
) SubMax 
on [SOMETABLE].Date = SubMax.LatestDate
and [SOMETABLE].User = SubMax.User

很遗憾，DocumentDb 也不支持 GroupBy。

【问题讨论】：

我不熟悉 OVER ... PARTITION BY。你能提供一个示例输出吗？我是 documentdb-lumenize 的作者，它是一个在 DocumentDB 中作为存储过程运行的聚合库。您指定 groupBy 甚至多维立方体，所以我怀疑它可以满足您的需求，但我需要这个例子来确定。
感谢您的更新。我现在了解到您正在寻找最新的。我将在下面发布答案。
我在下面的回答有帮助吗？你走哪条路？

标签： azure azure-cosmosdb

【解决方案1】：

您似乎想要给定 UserId 的最新值。我可以想到三种替代方法，您建议使用第二种方法：

将所有内容取回给客户端并提取您想要的行。可能会占用带宽并存在延迟问题，具体取决于数据的大小。
编写存储过程。如果这是您想要做的很多操作并且性能很关键，那么您可能希望采用这种方法。我能够快速调整我的 countDocuments sproc 以创建您想要的 sproc。你可以找到它here（更新：添加了tests 并修复了我第一次发布时的错误）。如果您使用的是 .NET，则需要预编译该存储过程（用 CoffeeScript 编写）并将其发送到您的服务器。如果您使用的是 node.js，我建议使用 documentdb-utils.loadSprocs 从特定目录加载所有存储过程。 loadSprocs 负责编译，甚至允许您通过实现require() 支持来模块化和使用存储过程中的 npm 包。
如果您希望进行其他聚合或分区，那么我推荐一个更通用的解决方案，documentdb-lumenize，它是在 DocumentDB 中的存储过程中运行的聚合“库”。您使用配置调用存储过程以指定要执行的“聚合”（或分区）。该答案的其余部分是关于如何使用 documentdb-lumenize 执行此操作的描述。

firstValue（如果您按 DESC 排序）或 lastValue（如果您使用默认 ASC）聚合函数就是您想要的。

假设您使用的是 node.js/CoffeeScript，我将给出答案，但您可以使用 JavaScript 和/或 .NET 进行等效操作。我可以根据您的喜好为您制作一个完整的示例。请告诉我。

第一步是您的查询：

filterQuery = "SELECT c.ValueToReturn FROM c ORDER BY c.DateCreated"

接下来，您将定义要“分区”的字段

dimensions = [{field: "UserId"}]

然后，您需要定义“指标”。

metrics = [{field: 'ValueToReturn', f: "lastValue", as: "Last Value"}]

最后，将所有内容捆绑到一个配置对象中

cubeConfig = {dimensions, metrics}
config = {cubeConfig, filterQuery}

然后，当您调用“立方体”存储过程时，将配置作为唯一参数发送。有关如何将多维数据集放入您的集合并执行它的示例，请参见 documentdb-lumenize 文档（提供了 CoffeeScript/JavaScript/.NET 示例）。

我有一个基于浏览器的 Lumenize 实现，我可以给你一个JSFiddle working example。唯一的区别是我没有为浏览器配置指定 filterQuery。由于 documentdb-lumenize 在 DocumentDB 中工作，因此它需要这些基于浏览器不需要的额外信息。它也与上面的示例略有不同，因为我坚持使用刚刚剪切和粘贴的示例数据中的 DESC 排序顺序。你想要的那个是“firstValue”。如果排序顺序是 ASC，那么您需要“lastValue”，这就是我在上面显示的内容。

注意，上面的例子只会返回一个字段（这里显示为“ValueToReturn”。如果你想要更多，你需要确保它们在你的 SELECT 子句中（或者只是说“*”）并且您需要为指标表中的每个字段设置一行。您可以以编程方式构建指标表，因此即使您需要 50 个字段也只需几行代码。如果您需要 CoffeeScript/JavaScript，请告诉我如何以编程方式执行此操作的示例。

【讨论】：

我选择了选项 2。