根据时间间隔内的事件计数选择SQL中的记录答案

【问题标题】：Select records in SQL according to count of events in a time interval根据时间间隔内的事件计数选择SQL中的记录
【发布时间】：2018-09-06 23:16:12
【问题描述】：

首先，我的表格示例：

+---------+-----------------+------------+-----------------+---------------------+
| user_id |      email      | home_phone | incoming_number |      date_time      |
+---------+-----------------+------------+-----------------+---------------------+
|       1 | dan@dan.com     |    8893432 |         5453455 | 2018-03-27 13:48:10 |
|       1 | dan@dan.com     |    8893432 |        65765489 | 2018-03-27 13:47:10 |
|       1 | dan@dan.com     |    8893432 |        65765489 | 2018-03-27 13:48:05 |
|       2 | sam@sam.com     |   16568675 |        65658403 | 2018-03-27 13:46:05 |
|       2 | sam@sam.com     |   16568675 |        57575748 | 2018-03-27 13:32:05 |
|       2 | sam@sam.com     |   16568675 |        76547946 | 2018-03-27 13:43:05 |
|       3 | allen@allen.com |   12345678 |        85768576 | 2018-03-27 13:46:05 |
|       3 | allen@allen.com |   12345678 |        65658403 | 2018-03-27 13:42:05 |
|       3 | allen@allen.com |   12345678 |        76547946 | 2018-03-27 13:43:05 |
|       3 | allen@allen.com |   12345678 |        76547946 | 2018-03-27 13:20:05 |
+---------+-----------------+------------+-----------------+---------------------+

我想要完成什么？

我想选择在 10 分钟的时间范围内至少有 3 个不同的 incoming_number 值的所有三元组 (user_id, email, home_phone)。例如，在上表中，结果将仅为(3,allen@allen.com,12345678)。第一个用户只有两个不同的 incoming_number 值，第二个用户的时间范围 > 10 分钟

注意事项：传入的号码可以出现多次，具有不同的 date_time 值。

每个 user_id 只有 1 个 email 和 1 个 home_phone。

到目前为止我尝试了什么？ 我想也许我应该将前 3 列视为 1 个键？也许在incoming_number上计数不同并以某种方式解决？没有太多想法。

什么 SQL 查询可以解决这个问题？

【问题讨论】：

"在 10 分钟的时间范围内" ...这是否意味着所有呼叫必须在 10 分钟之内？另外请告诉我们您使用的是哪个版本的 SQL。
没有。这意味着在这个三元组下 10 分钟或更短的时间范围内有 3 个不同的入局数值。我正在使用 Vertica
你没有回答我的问题。所有三个三元组必须在 10 分钟内彼此相距，还是可以有一个三连串，其中 1-2 在 10 分钟内，2-3 也在 10 分钟内？
链是incoming_number 值，它是(user_id,email,home_hone) 的每个三元组，这3 个incoming_number 值的链必须在10 分钟内。因此，这个三元组必须满足这个条件：链的最小 date_time 值和链的最大 date_time 值之间的差必须在 10 分钟以内。
感谢您澄清这一点。

标签： sql select count subquery vertica

【解决方案1】：

如果我的理解正确，那么您的组都不满足这两个标准：3 个不同的入局号码，以及最后一次和第一次通话之间的持续时间少于 10 分钟。因此，出于说明目的，我添加了一个组，电子邮件为 match@match.com，满足这两个标准。下面的查询包含您在 WITH 子句中的数据，以及用于在最终报告中获取标准的所有中间结果。删除 HAVING 子句以检查那些不符合条件的行中的结果 ....

玩的开心

马可

WITH
input(         user_id,email            ,home_phone,incoming_number,date_time) AS (
          SELECT     1,'dan@dan.com'    , 8893432  , 5453455       ,TIMESTAMP '2018-03-27 13:48:10'
UNION ALL SELECT     1,'dan@dan.com'    , 8893432  ,65765489       ,TIMESTAMP '2018-03-27 13:47:10'
UNION ALL SELECT     1,'dan@dan.com'    , 8893432  ,65765489       ,TIMESTAMP '2018-03-27 13:48:05'
UNION ALL SELECT     2,'sam@sam.com'    ,16568675  ,65658403       ,TIMESTAMP '2018-03-27 13:46:05'
UNION ALL SELECT     2,'sam@sam.com'    ,16568675  ,57575748       ,TIMESTAMP '2018-03-27 13:32:05'
UNION ALL SELECT     2,'sam@sam.com'    ,16568675  ,76547946       ,TIMESTAMP '2018-03-27 13:43:05'
UNION ALL SELECT     3,'allen@allen.com',12345678  ,85768576       ,TIMESTAMP '2018-03-27 13:46:05'
UNION ALL SELECT     3,'allen@allen.com',12345678  ,65658403       ,TIMESTAMP '2018-03-27 13:42:05'
UNION ALL SELECT     3,'allen@allen.com',12345678  ,76547946       ,TIMESTAMP '2018-03-27 13:43:05'
UNION ALL SELECT     3,'allen@allen.com',12345678  ,76547946       ,TIMESTAMP '2018-03-27 13:20:05'
UNION ALL SELECT     4,'match@match.com',62345677  ,85768576       ,TIMESTAMP '2018-03-27 13:11:05'
UNION ALL SELECT     4,'match@match.com',62345677  ,65658403       ,TIMESTAMP '2018-03-27 13:13:05'
UNION ALL SELECT     4,'match@match.com',62345677  ,76547946       ,TIMESTAMP '2018-03-27 13:18:05'
UNION ALL SELECT     4,'match@match.com',62345677  ,76547946       ,TIMESTAMP '2018-03-27 13:20:05'
)
SELECT
  user_id
, email
, home_phone
, MAX(date_time) - MIN(date_time) duration
, MAX(date_time) end_ts
, MIN(date_time) start_ts
, COUNT(DISTINCT incoming_number) incoming_number_count
FROM input
GROUP BY
  user_id
, email
, home_phone
HAVING MAX(date_time) - MIN(date_time) < INTERVAL '10 minutes'
   AND COUNT(DISTINCT incoming_number) >=3
;
user_id|email          |home_phone|duration         |end_ts             |start_ts           |incoming_number_count
      4|match@match.com|62,345,677|0 00:09:00.000000|2018-03-27 13:20:05|2018-03-27 13:11:05|

第二个答案 - 现在看到你所追求的，但保留原来的：

在你描述的情况下，我们需要走 OLAP 路径。

我们从 date_time 列中减去前面的第二个 date_time（使用 LAG() ），并且由于 Vertica 不支持 COUNT (DISTINCT col) OVER()，我们使用 Vertica 的特定 CONDITIONAL_CHANGE_EVENT() OLAP 函数来计算incoming_number 发生变化，如果它永远不会改变，则为 0，如果它改变一次或两次，则为 1 和 2，如果它改变两次，则给出 3 个不同的 incoming_number-s：

WITH
input(         user_id,email            ,home_phone,incoming_number,date_time) AS (
          SELECT     1,'dan@dan.com'    , 8893432  , 5453455       ,TIMESTAMP '2018-03-27 13:48:10'
UNION ALL SELECT     1,'dan@dan.com'    , 8893432  ,65765489       ,TIMESTAMP '2018-03-27 13:47:10'
UNION ALL SELECT     1,'dan@dan.com'    , 8893432  ,65765489       ,TIMESTAMP '2018-03-27 13:48:05'
UNION ALL SELECT     2,'sam@sam.com'    ,16568675  ,65658403       ,TIMESTAMP '2018-03-27 13:46:05'
UNION ALL SELECT     2,'sam@sam.com'    ,16568675  ,57575748       ,TIMESTAMP '2018-03-27 13:32:05'
UNION ALL SELECT     2,'sam@sam.com'    ,16568675  ,76547946       ,TIMESTAMP '2018-03-27 13:43:05'
UNION ALL SELECT     3,'allen@allen.com',12345678  ,85768576       ,TIMESTAMP '2018-03-27 13:46:05'
UNION ALL SELECT     3,'allen@allen.com',12345678  ,65658403       ,TIMESTAMP '2018-03-27 13:42:05'
UNION ALL SELECT     3,'allen@allen.com',12345678  ,76547946       ,TIMESTAMP '2018-03-27 13:43:05'
UNION ALL SELECT     3,'allen@allen.com',12345678  ,76547946       ,TIMESTAMP '2018-03-27 13:20:05'
)
,
w_filter_val AS (
SELECT
  *
, date_time - LAG(date_time,2) OVER(PARTITION BY user_id ORDER BY date_time) AS time4these3
, CONDITIONAL_CHANGE_EVENT(incoming_number) OVER(PARTITION BY user_id ORDER BY incoming_number) AS count_in_nbr_minus1
FROM input
)
SELECT * FROM w_filter_val ORDER BY 1;

 user_id |      email      | home_phone | incoming_number |      date_time      | time4these3 | count_in_nbr_minus1
---------+-----------------+------------+-----------------+---------------------+-------------+---------------------
       1 | dan@dan.com     |    8893432 |         5453455 | 2018-03-27 13:48:10 | 00:01       |                   0
       1 | dan@dan.com     |    8893432 |        65765489 | 2018-03-27 13:47:10 |             |                   1
       1 | dan@dan.com     |    8893432 |        65765489 | 2018-03-27 13:48:05 |             |                   1
       2 | sam@sam.com     |   16568675 |        57575748 | 2018-03-27 13:32:05 |             |                   0
       2 | sam@sam.com     |   16568675 |        65658403 | 2018-03-27 13:46:05 | 00:14       |                   1
       2 | sam@sam.com     |   16568675 |        76547946 | 2018-03-27 13:43:05 |             |                   2
       3 | allen@allen.com |   12345678 |        65658403 | 2018-03-27 13:42:05 |             |                   0
       3 | allen@allen.com |   12345678 |        76547946 | 2018-03-27 13:20:05 |             |                   1
       3 | allen@allen.com |   12345678 |        76547946 | 2018-03-27 13:43:05 | 00:23       |                   1
       3 | allen@allen.com |   12345678 |        85768576 | 2018-03-27 13:46:05 | 00:04       |                   2

最后，我们需要做的就是过滤少于 10 分钟的持续时间和 3 个或更多的入局数-s

WITH
input(         user_id,email            ,home_phone,incoming_number,date_time) AS (
          SELECT     1,'dan@dan.com'    , 8893432  , 5453455       ,TIMESTAMP '2018-03-27 13:48:10'
UNION ALL SELECT     1,'dan@dan.com'    , 8893432  ,65765489       ,TIMESTAMP '2018-03-27 13:47:10'
UNION ALL SELECT     1,'dan@dan.com'    , 8893432  ,65765489       ,TIMESTAMP '2018-03-27 13:48:05'
UNION ALL SELECT     2,'sam@sam.com'    ,16568675  ,65658403       ,TIMESTAMP '2018-03-27 13:46:05'
UNION ALL SELECT     2,'sam@sam.com'    ,16568675  ,57575748       ,TIMESTAMP '2018-03-27 13:32:05'
UNION ALL SELECT     2,'sam@sam.com'    ,16568675  ,76547946       ,TIMESTAMP '2018-03-27 13:43:05'
UNION ALL SELECT     3,'allen@allen.com',12345678  ,85768576       ,TIMESTAMP '2018-03-27 13:46:05'
UNION ALL SELECT     3,'allen@allen.com',12345678  ,65658403       ,TIMESTAMP '2018-03-27 13:42:05'
UNION ALL SELECT     3,'allen@allen.com',12345678  ,76547946       ,TIMESTAMP '2018-03-27 13:43:05'
UNION ALL SELECT     3,'allen@allen.com',12345678  ,76547946       ,TIMESTAMP '2018-03-27 13:20:05'
)
,
w_filter_val AS (
SELECT
  *
, date_time - LAG(date_time,2) OVER(PARTITION BY user_id ORDER BY date_time) AS time4these3
, CONDITIONAL_CHANGE_EVENT(incoming_number) OVER(PARTITION BY user_id ORDER BY incoming_number) AS count_in_nbr_minus1
FROM input
)
SELECT * FROM w_filter_val WHERE time4these3 <= '10 MINUTES' AND count_in_nbr_minus1 + 1 >= 3
;

 user_id |      email      | home_phone | incoming_number |      date_time      | time4these3 | count_in_nbr_minus1 
---------+-----------------+------------+-----------------+---------------------+-------------+---------------------
       3 | allen@allen.com |   12345678 |        85768576 | 2018-03-27 13:46:05 | 00:04       |                   2

【讨论】：

您好，非常感谢您的回答，但我表中的最后一组确实满足条件。您不应该检查 MAX(date_time) - MIN(date_time) 但如果存在一组 3 个不同的入局号码，它们位于 10 分钟的间隔内。在我的示例中，allen@allen.com 组确实满足它 - 编号为 85768576,65658403,76547946。最后一个数字也出现在最后一行，2018-03-27 13:20:05。不过没关系，因为它也出现在2018-03-27 13:43:05。无论如何，我想我可以以某种方式解决你的答案，它看起来是正确的方向。