Postgres 9.x 在重叠日期和时间范围内加入

Question

我有几个表，其中包含TIMESTAMP WITH TIME ZONE 列以及一些附加信息。我需要能够加入这些表，以便每一行上的所有信息在给定的日期和时间窗口内都是“有效的”（在所需的结果集中标记为 begin 和 end）。

我目前的做法：

选项#1

1. 创建唯一的时间列表。
2. 将每个时间点转换为唯一列表（“有效”时间窗口）和每个原始表的时间窗口。 [LEAD(...) OVER (...)]
3. 将原始表加入唯一的时间列表。

选项 #2

1. 将每个时间点 (TIMESTAMP WITH TIME ZONE) 转换为每个表的时间窗口。 [LEAD(...) OVER (...)]
2. 加入窗口重叠的表。
3. 从每个窗口返回GREATEST(foo.start, bar.start) & LEAST(foo.stop, bar.stop) 以找到真正的“有效”窗口。

例如：

表：foo

  fooid  |  description  |       datetime
---------|---------------|-----------------------
    1    |   Varsion 1   |  2010-01-01 00:00:00  
    2    |   Varsion 2   |  2010-07-01 00:00:00 

表格：条形

  barid  |  fooid  |  description  |       datetime
---------|---------|---------------|-----------------------
    1    |    1    |   Varsion A   |  2010-01-01 00:00:00
    2    |    1    |   Varsion B   |  2010-02-01 00:00:00
    3    |    1    |   Varsion C   |  2010-03-01 00:00:00
    4    |    1    |   Varsion D   |  2010-04-01 00:00:00
    5    |    1    |   Varsion E   |  2010-05-01 00:00:00
    6    |    1    |   Varsion F   |  2010-06-01 00:00:00
    7    |    2    |   Varsion A   |  2010-07-01 00:00:00
    8    |    2    |   Varsion B   |  2010-08-01 00:00:00
    9    |    2    |   Varsion C   |  2010-09-01 00:00:00
    10   |    2    |   Varsion D   |  2010-10-01 00:00:00
    11   |    2    |   Varsion E   |  2010-11-01 00:00:00
    12   |    2    |   Varsion F   |  2010-12-01 00:00:00

简化的期望结果

        begin          |          end          |  fooid  |   foo_desc    |       foostart        |        foostop        |  barid  |   bar_desc   |       foostart        |        foostop        
-----------------------|-----------------------|---------|---------------|-----------------------|-----------------------|---------|--------------|-----------------------|-----------------------
         ...           |         ...           |   ...   |      ...      |         ...           |         ...           |   ...   |     ...      |         ...           |         ...           
  2010-05-01 00:00:00  |  2010-06-01 00:00:00  |    1    |   Varsion 1   |  2010-01-01 00:00:00  |  2010-07-01 00:00:00  |    5    |  Varsion E   |  2010-05-01 00:00:00  |  2010-06-01 00:00:00
  2010-06-01 00:00:00  |  2010-07-01 00:00:00  |    1    |   Varsion 1   |  2010-01-01 00:00:00  |  2010-07-01 00:00:00  |    6    |  Varsion F   |  2010-06-01 00:00:00  |        infinity
  2010-07-01 00:00:00  |  2010-08-01 00:00:00  |    2    |   Varsion 2   |  2010-07-01 00:00:00  |       infinity        |    7    |  Varsion A   |  2010-07-01 00:00:00  |  2010-08-01 00:00:00
  2010-08-01 00:00:00  |  2010-09-01 00:00:00  |    2    |   Varsion 2   |  2010-07-01 00:00:00  |       infinity        |    8    |  Varsion B   |  2010-08-01 00:00:00  |  2010-09-01 00:00:00
         ...           |         ...           |   ...   |      ...      |         ...           |         ...           |   ...   |     ...      |         ...           |         ...           

---

我的问题：

实现这一目标的最佳方法是什么？我创建了一个fiddle，展示了两种不同的解决方案，我想听听关于每种解决方案的想法以及可能的解决方案。

更新 #1：

在示例中，只有两个表需要连接...但是，在某些情况下，我可能需要连接多个表 3、4 或更多。

更新 #2：

使用选项#1，我的问题是当我有大型结果集时，我发现初始子查询可能很大并且postgres 不能使用索引。这会导致很大的性能损失。另一方面，我发现它是最准确的，因为我可以LEFT OUTER JOIN 反对它并获取相关的NULL 数据。

通过选项#2，查询规划器能够使用TIMESTAMP WITH TIME ZONE 列上的索引；但是，在FROM 子句中连接两个以上的表变得更加复杂。我可以将(table1.start, table1.stop) OVERLAPS (table2.start, table2.stop) 移动到WHERE 子句中，但随后我会丢失相关的NULL 数据。

所有这些都让我想知道是否有更好的方法......

Answer 1

• 对窗口函数 lead() 和 lag() 使用默认值，而不是 coalesce()。

lead(datetime, 1, 'infinity') OVER (ORDER BY fooid, datetime) AS stop

而不是

COALESCE(LEAD(datetime) OVER (ORDER BY fooid, datetime), 'infinity'::TIMESTAMP) AS stop

• 当你PARTITION BY fooid 时，ORDER BY fooid 毫无意义。

PARTITION BY fooid ORDER BY datetime

代替：

(PARTITION BY fooid ORDER BY fooid, datetime)

• 您（或某些工具）将每个标识符都用双引号引起来，即使它们在没有引号的情况下都是合法的。使查询更难阅读。降低噪音。

除此之外：您的问题对于 stackoverflow 而言过于宽泛，而且描述很难理解。

考虑：https://codereview.stackexchange.com/