无顺序保证的有条件的 LEAD/LAG

Question

如果不能保证前面或后续的领先/滞后满足特定条件，如何编写有条件的领先/滞后？就我而言，我正在查看网站流量。

示例数据（prior_path 和prior_event 是目标字段，鉴于我的条件，我无法访问其prior_event）

+-----------+-----+-------+---------------------------------------+-------+------------------------------------+-------------+
| sessionid | hit | type  |                 path                  | event |             prior_path             | prior_event |
+-----------+-----+-------+---------------------------------------+-------+------------------------------------+-------------+
|      1001 |   1 | event | www.stackoverflow.com                 | hover |                                    |             |
|      1001 |   2 | page  | www.stackoverflow.com                 |       |                                    | hover       |
|      1001 |   3 | event | www.stackoverflow.com                 | load  |                                    |             |
|      1001 |   4 | event | www.stackoverflow.com                 | blur  |                                    | load        |
|      1001 |   5 | event | www.stackoverflow.com                 | click |                                    | blur        |
|      1001 |   6 | page  | www.stackoverflow.com/post/10         |       | www.stackoverflow.com              | click       |
|      1001 |   7 | event | www.stackoverflow.com/post/10#details | offer |                                    |             |
|      1001 |   8 | page  | www.stackoverflow.com/post/confirm    |       | www.stackoverflow.com/post/10      | offer       |
|      1001 |   9 | page  | www.stackoverflow.com/questions/10    |       | www.stackoverflow.com/post/confirm | offer       |
|      1001 |  10 | event | www.stackoverflow.com/questions/10    | exit  |                                    |             |
+-----------+-----+-------+---------------------------------------+-------+------------------------------------+-------------+

prior_path：最后一个路径，其中 type = page 仅适用于页面点击类型 prior_event：最后一个事件，其中 type = 所有命中类型的事件

注意点击 8 和 9，“offer”事件会重复，因为它们会导致这些页面。

prior_path 看起来很简单

SELECT LAG(path) OVER (PARTITION BY sessionid, type ORDER BY hit) FROM my_table

但我不确定如何获取prior_event。

Answer 1

你已经有了prior_path 的正确表达方式。您只需要将其包装在条件表达式中即可。

至于prior_event，确实有点复杂。我建议采用以下方法：

• 对于事件，我们可以使用lag()

• 对于页面，一种选择是使用一些间隙和岛屿技术：首先使用条件总和定义组，每次遇到事件时递增，然后使用first_value()：

这应该做你想做的：

select  
    t.*,
    case when type = 'page'
        then lag(path) over(partition by sessionid, type  order by hit)
    end prior_path,
    case type 
        when 'page'
            then first_value(event) over(partition by sessionid, grp order by hit)
        when 'event' 
            then lag(event) over(partition by sessionid order by hit)
        end prior_event
from (
    select 
        t.*,
        sum(case when type = 'event' then 1 else 0 end) 
            over(partition by sessionid order by hit) grp
    from mytable t
) t

Demo on DB Fiddle（由于野外缺少 hive fiddle，我使用了 Postgres - 但这也适用于 Hive）：

会话ID |打|类型 |路径 |活动 | grp |先前路径 |先验事件 --------: | --: | :---- | :------------------------------------------------ | :---- | --: | :--------------------------------- | :---------- 1001 | 1 |活动 | www.stackoverflow.com |悬停 | 1 | 空 | 空 1001 | 2 |页 | www.stackoverflow.com | 空 | 1 | 空 |徘徊 1001 | 3 |活动 | www.stackoverflow.com |加载 | 2 | 空 | 空 1001 | 4 |活动 | www.stackoverflow.com |模糊 | 3 | 空 |加载 1001 | 5 |活动 | www.stackoverflow.com |点击 | 4 | 空 |模糊 1001 | 6 |页 | www.stackoverflow.com/post/10 | 空 | 4 | www.stackoverflow.com |点击 1001 | 7 |活动 | www.stackoverflow.com/post/10#details |报价 | 5 | 空 | 空 1001 | 8 |页 | www.stackoverflow.com/post/confirm | 空 | 5 | www.stackoverflow.com/post/10 |提供 1001 | 9 |页 | www.stackoverflow.com/questions/10 | 空 | 5 | www.stackoverflow.com/post/confirm |提供 1001 | 10 |活动 | www.stackoverflow.com/questions/10 |退出 | 6 | 空 | 空

Answer 2

我认为你只需要lag() 和一些条件逻辑：

select . . .,
       (case when type = 'page'
             then lag(path) over (partition by sessionid, type order by hit)
        end) as prior_path,
       lag(event) over (partition by sessionid order by hit) as prior_event
from my_table;