SQL 查找第一个事件，然后查找它之后的结束事件

Question

我正在尝试编写一些 SQL 查询，但到目前为止还没有运气。 我想在示例中接收每个事件的 event_start 和 event_end（不幸的是，没有 event_id！）

输入

event_timestamp	event_date	customer_ID	event_name
2021-02-07 16:18:18.000000	2021-02-07	1234567	event_start
2021-02-07 16:34:44.000000	2021-02-07	1234567	event_end
2021-02-07 16:49:08.000000	2021-02-07	1234567	event_start
2021-02-07 17:04:35.000000	2021-02-07	1234567	event_end
2021-02-07 17:19:46.000000	2021-02-07	1234567	event_start
2020-09-28 09:37:09.000000	2020-09-28	7654321	event_start
2020-09-28 09:52:08.000000	2020-09-28	7654321	event_start
2020-09-28 13:15:17.000000	2020-09-28	7654321	event_end

逻辑如下：

• 如果 event_end 正好在 event_start 之后，则接收 event_start 的时间戳作为开始，接收后续 event_end 的时间戳作为结束
• 如果在 event_end 之前有多个 event_start，则接收第一个 event_start 的时间戳作为开始，并接收结束此 event_start 循环的 event_end 的时间戳
• 如果 event_start 后面没有 event_end（对于指定的日期和 ID），则 event_end = 23:59:59 将在同一天晚上到期

我认为我应该使用某种窗口函数，但我似乎无法弄清楚究竟是什么以及如何！

任何帮助将不胜感激！

基本上新表应该是这样的：

customer_ID	event_date	start	end
1234567	2021-02-07	2021-02-07 16:18:18.000000	2021-02-07 16:34:44.000000
1234567	2021-02-07	2021-02-07 16:49:08.000000	2021-02-07 17:04:35.000000
1234567	2021-02-07	2021-02-07 17:19:46.000000	2021-02-07 23:59:59.000000
7654321	2020-09-28	2020-09-28 09:37:09.000000	2020-09-28 13:15:17.000000

Answer 1

我的诚实意见是修复数据模型......找到一些方法来指定一个不同的事件。我认为你可以想出一些技巧，但我很难相信你能找到一种足够防弹的技巧来抵御非结构化数据的可能性。

也就是说，本着试图提供帮助的精神，这里有这样一个技巧。实际上，我试图通过创建一个人工 event_id（在event_data CTE 中）来猜测是什么将两条记录绑定在一起。假设做得正确，第二部分应该非常有效。

with event_data as (
  select
    event_timestamp, event_date, customer_id, event_name,
    sum (1) filter (where event_name = 'event_start') 
        over (partition by customer_id order by event_timestamp) as event_id 
  from events
)
select
  e1.event_id, e1.customer_id, e1.event_date,
  e1.event_timestamp as start,
  coalesce (e2.event_timestamp, date_trunc ('day', e1.event_timestamp) + interval '23:59:59') as end
from
  event_data e1
  left join event_data e2 on
    e1.customer_id = e2.customer_id and
    e1.event_id = e2.event_id and
    e2.event_name = 'event_end'
where
  e1.event_name = 'event_start'

结果与您的结果数据集不完全匹配，但是当您看到输出时，它可能会给出为什么会这样的想法......您甚至可能同意修改后的输出。