使用间隔对记录进行分组的Teradata SQL查询

Question

在Teradata SQL中，如何为间隔为8秒的创建的记录组分配相同的行号。

例：-

Customerid Customername   Itembought   dateandtime
                                       (yyy-mm-dd hh:mm:ss)
100           ALex        Basketball   2017-02-10 10:10:01
100           ALex        Circketball  2017-02-10 10:10:06
100           ALex        Baseball     2017-02-10 10:10:08
100           ALex        volleyball   2017-02-10 10:11:01
100          ALex         footbball    2017-02-10 10:11:05
100          ALex         ringball     2017-02-10 10:11:08
100         Alex          football     2017-02-10 10:12:10

我的预期结果应在Row_number中增加一列，在8秒钟内应为客户的所有购买分配相同的编号：请参考以下预期结果

Customerid Customername Itembought dateandtime            Row_number
                                   (yyy-mm-dd hh:mm:ss) 
100           ALex      Basketball 2017-02-10 10:10:01      1
100           ALex      Circketball 2017-02-10 10:10:06     1
100           ALex      Baseball    2017-02-10 10:10:08     1
100          ALex       volleyball  2017-02-10 10:11:01     2
100          ALex       footbball   2017-02-10 10:11:05     2
100          ALex       ringball    2017-02-10 10:11:08     2
100         Alex        football    2017-02-10 10:12:10     3

Answer 1

这是使用递归CTE的一种方法。 当上一行的时间戳大于8到0时，重置与上一行时间戳的运行差异总数，并开始一个新组。

WITH ROWNUMS AS
  (SELECT T.*
         ,ROW_NUMBER() OVER(PARTITION BY ID ORDER BY TM) AS RNUM 
         /*Replace DATEDIFF with Teradata specific function*/
         ,DATEDIFF(SECOND,COALESCE(MIN(TM) OVER(PARTITION BY ID
                                                ORDER BY TM ROWS BETWEEN 1 PRECEDING AND CURRENT ROW), TM),TM) AS DIFF
   FROM T --replace this with your tablename and add columns as required
   )
,RECURSIVE CTE(ID,TM,DIFF,SUM_DIFF,RNUM,GRP) AS
  (SELECT ID,
          TM,
          DIFF,
          DIFF,
          RNUM,
          CAST(1 AS int)
   FROM ROWNUMS
   WHERE RNUM=1
     UNION ALL
   SELECT T.ID,
          T.TM,
          T.DIFF,
          CASE WHEN C.SUM_DIFF+T.DIFF > 8 THEN 0 ELSE C.SUM_DIFF+T.DIFF END,
          T.RNUM,
          CAST(CASE WHEN C.SUM_DIFF+T.DIFF > 8 THEN T.RNUM ELSE C.GRP END AS int)
   FROM CTE C
   JOIN ROWNUMS T ON T.RNUM=C.RNUM+1 AND T.ID=C.ID
   )
SELECT ID,
       TM,
       DENSE_RANK() OVER(PARTITION BY ID ORDER BY GRP) AS row_num
FROM CTE

Demo in SQL Server

Answer 2

使用Teradata的PERIOD数据类型和超赞的td_normalize_overlap_meet ：

考虑表test32 ：

 SELECT * FROM test32

+----+----+------------------------+
| f1 | f2 |           f3           |
+----+----+------------------------+
|  1 |  2 | 2017-05-11 03:59:00 PM |
|  1 |  3 | 2017-05-11 03:59:01 PM |
|  1 |  4 | 2017-05-11 03:58:58 PM |
|  1 |  5 | 2017-05-11 03:59:26 PM |
|  1 |  2 | 2017-05-11 03:59:28 PM |
|  1 |  2 | 2017-05-11 03:59:46 PM |
+----+----+------------------------+

以下内容将对您的记录进行分组：

WITH 
normalizedCTE AS
    (
        SELECT *
        FROM TABLE
            (
                td_normalize_overlap_meet(NEW VARIANT_TYPE(periodCTE.f1), periodCTE.fper)
                RETURNS (f1 integer, fper PERIOD(TIMESTAMP(0)), recordCount integer)
                HASH BY f1
                LOCAL ORDER BY f1, fper
            ) as output(f1, fper, recordcount)
    ),
periodCTE AS 
    (
        SELECT f1, f2, f3, PERIOD(f3, f3 + INTERVAL '9' SECOND) as fper FROM test32
    )


SELECT t2.f1, t2.f2, t2.f3, t1.fper, DENSE_RANK() OVER (PARTITION BY t2.f1 ORDER BY t1.fper) as fgroup
FROM normalizedCTE t1
    INNER JOIN periodCTE t2 ON
        t1.fper P_INTERSECT t2.fper IS NOT NULL

结果：

+----+----+------------------------+-------------+
| f1 | f2 |           f3           | fgroup      |
+----+----+------------------------+-------------+
|  1 |  2 | 2017-05-11 03:59:00 PM |           1 |
|  1 |  3 | 2017-05-11 03:59:01 PM |           1 |
|  1 |  4 | 2017-05-11 03:58:58 PM |           1 |
|  1 |  5 | 2017-05-11 03:59:26 PM |           2 |
|  1 |  2 | 2017-05-11 03:59:28 PM |           2 |
|  1 |  2 | 2017-05-11 03:59:46 PM |           3 |
+----+----+------------------------+-------------+

Teradata中的“ Period是一种特殊的数据类型，其中包含日期或日期时间范围。 第一个参数是范围的开始，第二个参数是结束时间（直到（但不包括）结束时间，这就是“ + 9秒”的原因）。 结果是我们获得了8秒钟的“期间”，其中每个记录可能与另一个记录“相交”。

然后，我们使用td_normalize_overlap_meet合并相交的记录，并共享f1字段的值作为键。 在您的情况下，这将是customerid 。 结果是该客户的三个记录，因为我们有三个相互“重叠”或“相遇”的时段。

然后，将td_normalize_overlap_meet输出与确定周期时的输出连接在一起。 我们使用P_INTERSECT函数来查看归一化CTE INTERSECT中的哪个周期与初始Period CTE中的周期。 从该P_INTERSECT连接的结果中，我们获取了每个CTE所需的值。

最后， Dense_Rank()根据每个组的归一化周期为我们提供排名。

Answer 3

我将以不同于vkp的方式解释问题。 在另一行的8秒内，任何一行都应该在同一组中。 这样的值可以链接在一起，因此总跨度可以超过8秒。

这种方法的优点是不需要递归CTE，因此它应该更快。 （当然，如果OP与定义不同意，这不是优势。）

基本思想是查看先前的日期/时间值； 如果距离超过8秒，则添加一个标志。 标志的累积总和是您要查找的行号。

  select t.*,
         sum(case when prev_dt >= dateandtime - interval '8' second
                  then 0 else 1
             end) over (partition by customerid order by dateandtime
                       ) as row_number
  from (select t.*,
               max(dateandtime) over (partition by customerid order by dateandtime row between 1 preceding and 1 preceding) as prev_dt
        from t
       ) t;