差距和孤岛问题是否有正式定义？如果是这样，这个问题是否满足它？答案

【问题标题】：Is there a formal definition of Gaps and Islands problems? If so, does this problem satisfy it?差距和孤岛问题是否有正式定义？如果是这样，这个问题是否满足它？
【发布时间】：2022-01-10 11:43:44
【问题描述】：

似乎“差距和孤岛”这个词在我的工作场所被过度使用了。我最近在该旗帜下基本上遇到了以下问题。

获取一组包含许多行的数据，每行包含大量数据，但特别是始终包含开始和停止时间列，并包含许多其他列，如果其中一个不为 NULL，则其他列是。例如：

Start Time Stop Time Drunkenness Programming Ability

01 60 0100 NULL

10 20 NULL 0450

40 50 NULL 0250

（您也可以使用明显的未透视等价物，但不要担心）

并将该数据转换为所有数据都折叠的形式，以便您只需查看与该时间段相对应的单行，即可在任何给定时间找出真实情况。因此，对于前面的示例，您需要这样：

Start Time Stop Time Drunkenness Programming Ability

01 09 0100 NULL

10 20 0100 0450

21 39 0100 NULL

40 50 0100 0250

51 60 0100 NULL

要查看这是您真正想要的，请查看原始行中的时间。直到时间 10，只给出了“Dunkenness=0100”，所以我们在结果中的第一行必须从 01 到 09 并且只包含 Drunkenness 信息。原始表中的下一行从 10 到 20，因此我们必须在结果中包含该时间段的一行，并且它必须包含当时正确的任何信息（即始终正确的“Drunkenness=0100”以及仅在 10 到 20 次之间为真的“编程能力 = 0450”）。由于从时间 21 到 39 未定义“编程能力”，我们必须还有另一行为 NULL。然后其他两行由与前几行相同的过程生成，因此我们得到了上表。

Start Time	Stop Time	Drunkenness	Programming Ability
01	60	0100	NULL
10	20	NULL	0450
40	50	NULL	0250

Start Time	Stop Time	Drunkenness	Programming Ability
01	09	0100	NULL
10	20	0100	0450
21	39	0100	NULL
40	50	0100	0250
51	60	0100	NULL

这真的是一个“差距和孤岛”问题吗？还是文献给了它一个不同的名字？我同意第一个数据集中存在差距，并且最终数据集中的结果被分成岛屿，但这似乎不是文献的内容指的是当它谈到“差距和岛屿”问题时。文献似乎关心的是寻找差距或寻找岛屿，而不是像这样将差距变成岛屿并合并数据。

使用 SQL 标记是因为这是一个关系数据库。我不是在寻求解决方案，我怀疑在您的答案中包含 SQL 解决方案会很有启发性，尽管他们会受到欢迎。因此，我没有在这个问题中包含任何 SQL 代码。

我不认为这个问题是基于意见的。我已经看过足够多的关于差距和孤岛问题的报道，我相信在某处必须对它们进行正式定义。 强烈建议您提供这些问题的正式定义及其来源。如果这不是间隙和孤岛问题，而实际上是其他问题，那么请给出一个名称和来源定义。

【问题讨论】：

我认为你需要解释一下我们从输入表到输出的逻辑。从长远来看，这似乎不是一个空白和孤岛问题。
我还是不明白，但这看起来不像是缝隙和孤岛。
嗨 - 我想知道你为什么关心它叫什么？对它应用标签有什么好处？另外，就像仅供参考一样，没有人会设计这样的表：除了一个属性列之外的所有属性列始终为空（假设属性的数量不小）跨度>
@NickW 有两个好处：1) 知道这个名字可以帮助我查找它；2) 知道它不是间隙和孤岛，这样我就可以节省时间，因为我会像对待它一样对待它。是。至于表格设计，这是由于连接而不是那样设计的结果。
显然只是我的看法，但鉴于此论坛的目的是帮助人们解决问题，描述您面临的问题并寻求帮助解决问题不是更有效率吗？而不是要求人们对其进行分类？即使有人确实说它是或不是“差距和孤岛”问题，您也无法知道它们是否正确，并且它使您无法解决您可能遇到的任何问题面对。事实上，如果他们说这是一个“g&i”问题并且是错误的，那么您将浪费时间寻找不适用的解决方案

标签： sql language-agnostic relational-database terminology gaps-and-islands

【解决方案1】：

条件 如果一个不为 NULL，那么其他的为意味着您的行只是键值对的不同表示。换句话说，它的非枢轴变体如下所示

Key	Value	Start	End
Drunkenness	100	01	60
Programming Ability	450	10	20
Programming Ability	250	40	50

假设它通过了数据完整性检查，即同一个键没有不同值的重叠区间。然后它看起来像 type-2 slowly changing dimension，实际上我们可以将 20 到 40（不包括）之间的 Programming Ability 值的缺失解释为 NULL。

但是，也可以将该数据解释为两个单独的表，醉酒和编程能力按间隔的开始日期和结束日期合并（通过完全连接）。

SELECT coalesce(a.start,b.start) as start, coalesce(a.end,b.end) as end,
a.Value, b.Value 
from a full join b on a.start=b.start and a.end = b.end

因此，例如，b 缺少 (10,60) 的数据，并且您在第一行中的 Programming Ability 为 NULL。如果您正确加入这两个表并考虑时间间隔重叠，您可以获得第二个表。

SELECT greatest(a.start,b.start) as start, least(a.end,b.end) as end,
a.Value, b.Value 
from a full join b on a.start <= b.end and b.start <= a.end

无论哪种方式，这都不是差距和岛屿问题。在该问题中，数据有一些重叠区间，可能有间隙，并且必须确定由不连续间隙分隔的非重叠连续区间。

【讨论】：