带窗口的自定义Greenplum聚合函数

Question

我正在使用 Greenplum DB，我想在一个窗口中计算中位数，例如：

SELECT avg(var1) OVER (PARTITION BY var2 ORDER BY datetime 
                       ROWS BETWEEN 10 PRECEDING AND CURRENT ROW) FROM tbl...

不幸的是，Postgres 中没有实现中位数，所以我使用这个例子创建了我自己的聚合： https://wiki.postgresql.org/wiki/Aggregate_Median

问题是，当我使用整个列但不在窗口中（带有 OVER 子句）返回错误时，这有效，应该定义“prefunc”。 Greenplum 文档证实： http://gpdb.docs.pivotal.io/4380/ref_guide/sql_commands/CREATE_AGGREGATE.html

prefunc 的文档和作用对我来说不是很清楚。您有任何定义支持 windows 的自定义 Postgres 聚合函数的示例吗？

Answer 1

我不知道这是否适用于 Greenplum。但是，在现代版本的 Postgres 中，您可以使用 array_agg() 作为窗口函数。因此，对于您的特殊问题，运行中位数是：

select (array_agg(var1) over (partition by var2 order by datetime
                              rows between 10 preceding and current row
                             )[6] as running_median

编辑：

另一种方法是使用子查询：

select t.*,
       (select t2.var1
        from t t2
        where t2.var2 = t.var2 and t2.datetime < t.datetime
        order by t2.datetime desc
        offset 5 limit 1
       ) running_median        
from t;

Answer 2

要在 GPDB 中创建自定义聚合，您需要定义一个 PREFUNC，这不是常规 Postgres 中的参数。

在普通 Postgres 中，聚合需要一个起始状态（例如 STYPE=numeric[]）和一个告诉它如何将新项目添加到当前状态的函数（例如 SFUNC=array_append）。但是在像 GPDB 这样的分布式系统中，它在节点之间打乱数据，一个节点应该如何从两个地方（即两个数组）接收状态来组合这两个状态呢？这就是 PREFUNC 的作用。然后，最后可以在单个组合状态上调用 FINALFUNC 并返回。

在计算中位数的示例中，您只需将PREFUNC=array_cat, 添加到您从median example code 获取的聚合定义中。 array_cat 接受两个数组并将它们作为单个组合数组返回。我已经尝试过了，它对我有用，既可以作为聚合，也可以作为窗口。

（请注意，采用numeric[] 的版本可以工作，但由于某种原因不是anyarray 的版本。似乎原因对于创建窗口/聚合函数并不重要。）

有关聚合的更多信息，请参阅 Lukasz 提到的 GPDB docs。