（SQL）如何根据使用OVER计算的值进行条件过滤

Question

我有通过工作流程的客户日志。 我想做两件事，而我都在努力。

首先是：我希望通过在工作流开始时输入第一个状态（输入状态0）来筛选出没有开始的客户。

其次是：对于剩余的客户，我想知道他们在工作流程的每个步骤中花费了多少时间。

每条记录都有：

• CUSTOMER_ID（整数）
• STATE（整数）
• ACTION（输入或退出此状态，即varchar）
• UPDATE_DT（输入时间戳）

我尝试执行一个查询，该查询将允许我获取按客户和状态分组的进入和退出的时间戳，如下所示：

SELECT
    CUSTOMER_ID,
    STATE,
    MIN(UPDATE_DT) AS ENTRY_DATE,
    MAX(UPDATE_DT) AS EXIT_DATE
FROM LOG_DATA
GROUP BY CUSTOMER_ID, STATE
ORDER BY CUSTOMER_ID, STATE;

但是我立即遇到了一些问题。 该查询将正常运行，但：

• 我还没有删除没有从状态0进入的客户
• 并非所有客户都能保证每个州都有出入境日期，所以有时我的MIN / MAX无效

我试图通过在选择中引入一个附加属性来关注第一个问题：

MIN(STATE) OVER(PARTITION BY CUSTOMER_ID) AS EARLIEST_STATE

但是随后遇到了一些问题。 我无法将EARLIEST_STATE包含为WHERE或GROUP BY HAVING的条件，因为对于WHERE而言，它不存在，并且GROUP BY不允许我包含EARLIEST_STATE。

正如我所认为的那样，这种情况变得越来越糟-MIN（STATE）最多只能证明客户的STATE = 0，但不能证明他们有一条记录说ACTION =“ enter”和STATE =0。所以这种方法不仅失败因为我无法让它运行，但因为从逻辑上讲也是不正确的。

我知道我可以对SELECT进行多个SELECT，但这感觉很笨拙，我想学习正确的方法。 处理1000万行数据也无济于事，因此效率很重要。

我使用的是Postgres 9.5，在这种情况下我无法控制数据库技术或数据模式。

这会很慢，但是我可以使用我的Python来执行此操作，但是我真的很想知道使用数据库执行此操作的正确方法。

Answer 1

如果我理解正确，那么对于结果集中的任何客户，您都希望至少有一行行，其中Action = 'Enter'并且state = 0 。 这暗示了一个窗口函数：

SELECT CUSTOMER_ID, STATE,
       MIN(UPDATE_DT) AS ENTRY_DATE,
       MAX(UPDATE_DT) AS EXIT_DATE,
FROM (SELECT l.*,
             SUM(CASE WHEN ACTION = 'Enter' AND state = 0 THEN 1 ELSE 0 END) OVER (PARTITION BY CUSTOMER_ID) as num_validenter
      FROM LOG_DATA l
     ) l
WHERE num_validenter > 0
GROUP BY CUSTOMER_ID, STATE
ORDER BY CUSTOMER_ID, STATE