![](/img/trans.png)
[英]SQL Window Function over sliding time window
[英]BIG QUERY SQL: Tagging dates on a sliding time window with a moving reference
作为一个团队,我们希望根据以下内容将每个日期标记为“真”或“假”;
1)visit_date是访客的第1次造访 ,然后为TRUE
2)对于第一个访问日期之后的所有visit_date
一个)相比于最后VISIT_DATE这是TRUE(特此LAST TRUE)时,如果VISIT_DATE是最后一个真正的30天前视窗内; 然后FALSE
包含访问者和visit_date的网站数据。
记录访客创建的每个新会话的visit_date。 我们操纵数据以使每个访问者每个日期仅获得一条记录。
简单的LAG功能和LEAD功能没有帮助,因为;
1)给定新的TRUE标记后, LAST TRUE的参考位置不断更改
a)我们必须检查的记录数,以确保访问者进行的LAST TRUE更改。 下一个TRUE可以在2行或15行之后; 这取决于访客。
实际上,我们无法在BigQuery中创建一个循环来
检查visit_date是否符合条件
如果确实将其标记为TRUE,则还将LAST TRUE引用更改为此访问日期
重复此过程直到访客的最后记录
第一个表(table_id)只是为了获得以下计算
访客唯一标识符
visit_date参观日
plus_30_days 30天+访问天数
lag_value上一行的visit_date的值
lead_value下面一行的visit_date的值
为了易于使用,所有值均转换为DAYOFYEAR()
基于上表,我使用了以下查询
SELECT *
, CASE WHEN lag_value IS NULL THEN 1
WHEN visit_date - lag_value > 30 THEN 1
WHEN lead_value IS NULL THEN 1
ELSE 0 END AS true_false
FROM [project_id:dataset.table_id]
ORDER BY visitor, visit_date
因为
1)我尝试了LEAD和LAG功能
2)检查网上,可以转换为BIGQUERY >>的普通SQL函数找不到循环函数
3)问我的团队负责人>>相同问题
4)最多3个小时的实验>>相同的输出
visitor_id file_date plus_30_days lag_value lead_value true_false
A 1 31 null 38 1
A 38 68 1 41 1
A 41 71 38 65 0
A 65 95 41 76 0
A 76 106 65 null 1
B 90 120 null 122 1
B 122 152 90 null 1
C 123 153 null 134 1
C 134 164 123 163 0
C 163 193 134 183 0
C 183 213 163 217 0
C 217 247 183 null 1
D 245 275 null 256 1
D 256 286 245 262 0
D 262 292 256 275 0
D 275 305 262 279 0
D 279 309 275 null 1
E 279 309 null 310 1
E 310 340 279 341 1
E 341 5 310 null 1
请尝试以下。
SELECT visitor_id, file_date, true_false FROM JS( // input table
( SELECT visitor_id, GROUP_CONCAT(STRING(100000 + file_date), ';') AS visits FROM
(SELECT 'A' AS visitor_id, 1 AS file_date), (SELECT 'A' AS visitor_id, 38 AS file_date), (SELECT 'A' AS visitor_id, 41 AS file_date), (SELECT 'A' AS visitor_id, 65 AS file_date),
(SELECT 'A' AS visitor_id, 76 AS file_date), (SELECT 'B' AS visitor_id, 90 AS file_date), (SELECT 'B' AS visitor_id, 122 AS file_date), (SELECT 'C' AS visitor_id, 123 AS file_date),
(SELECT 'C' AS visitor_id, 134 AS file_date), (SELECT 'C' AS visitor_id, 163 AS file_date), (SELECT 'C' AS visitor_id, 183 AS file_date), (SELECT 'C' AS visitor_id, 217 AS file_date),
(SELECT 'D' AS visitor_id, 245 AS file_date), (SELECT 'D' AS visitor_id, 256 AS file_date), (SELECT 'D' AS visitor_id, 262 AS file_date), (SELECT 'D' AS visitor_id, 275 AS file_date),
(SELECT 'D' AS visitor_id, 279 AS file_date), (SELECT 'E' AS visitor_id, 279 AS file_date), (SELECT 'E' AS visitor_id, 310 AS file_date), (SELECT 'E' AS visitor_id, 341 AS file_date)
GROUP BY visitor_id
) ,
// input columns
visitor_id, visits,
// output schema
"[{name: 'visitor_id', type: 'string'},
{name: 'file_date', type: 'integer'},
{name: 'true_false', type: 'integer'}]",
// function
"function(r, emit){
var visits = r.visits.split(';');
visits.sort();
plus_30_days = 0;
for (var i = 0; i < visits.length; i++) {
file_date = parseInt(visits[i]) - 100000;
true_false = 0;
if (file_date > plus_30_days) {
plus_30_days = file_date + 30;
true_false = 1;
}
emit({
visitor_id: r.visitor_id,
file_date: file_date,
true_false: true_false
});
}
}")
希望这给您一个好的开始
请注意:以上示例使用了未记录的内联版本的JavaScript UDF,到目前为止,该版本非常适合快速演示/共享/尝试代码,但是...未记录,因此不受支持
为了在生产环境中使用上述示例,您最好对其进行修改以符合BigQuery用户定义函数文档(很少有非常简单的调整)。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.