如何从三个单独的表中构建一个事件表，以显示随时间的增量变化？

Question

我正在尝试构建一个数据集，以显示某些产品属性随时间的增量变化。 数据位于 AWS Athena 中的三个独立表中，每个表存储不同的属性，并且可以在不同时间独立更新。 tbl1可以连接到tbl2并且tbl2可以连接到tbl3 。 表之间始终存在一对一的关系，因此在此示例中tbl1.id=1只会与tbl2.id=2相关，而tbl2.id=2只会与tbl3.id=3相关：

tbl1
| id | updated_at       | bool  |
| 1  | 2019-09-10 06:00 | True  |
| 1  | 2020-08-05 10:00 | False |
| 1  | 2020-09-03 15:00 | True  |

tbl2
| id | tbl1_id | updated_at       | desc    |
| 2  | 1       | 2019-09-10 06:00 | thing 1 |

tbl3
| id | tbl2_id | updated_at       | value |
| 3  | 2       | 2019-09-10 06:00 | 100   |
| 3  | 2       | 2019-09-19 09:00 | 50    |
| 3  | 2       | 2019-12-02 11:00 | 20    |

我正在尝试编写一个查询，将这些数据连接到一个表中，并且每个增量更新都有一行。 从上表中可以看出，在 2019 年 9 月 10 日进行了初始插入，然后在tbl1和tbl3中进行了其他四项更改，因此最终应为五行，如下所示：

| tbl1_id | tbl1_updated_at  | bool  | tbl2_id | tbl2_updated_at  | desc   | tbl3_id | tbl3_updated_at  | value |
| 1       | 2019-09-10 06:00 | True  | 2       | 2019-09-10 06:00 | thing1 | 3       | 2019-09-10 06:00 | 100   |
| 1       | 2019-09-10 06:00 | True  | 2       | 2019-09-10 06:00 | thing1 | 3       | 2019-09-19 09:00 | 50    |
| 1       | 2019-09-10 06:00 | True  | 2       | 2019-09-10 06:00 | thing1 | 3       | 2019-12-02 11:00 | 20    |
| 1       | 2020-08-05 10:00 | False | 2       | 2019-09-10 06:00 | thing1 | 3       | 2019-12-02 11:00 | 20    |
| 1       | 2020-09-03 15:00 | True  | 2       | 2019-09-10 06:00 | thing1 | 3       | 2019-12-02 11:00 | 20    |

我从将所有内容连接在一起并使用一些WHERE子句的想法开始，例如：

select
*
from
tbl1
left join tbl2 on tbl1.id = tbl2.tbl1_id
left join tbl3 on tbl2.id = tbl3.tbl2_id
where
???

但无法让它工作，也不确定这是否会奏效。 也许有某种 window 函数可以做到这一点？ 感觉应该可以在 SQL 中做到这一点，但经过两天的尝试，我完全不知道该怎么做！

Answer 1

这是相当复杂的。 如果您在所有表中都有tbl1 id，那会更简单。

无论如何，我们的想法是将union all列与tbl1 id 和updated_at结合在一起。 然后聚合，所以每个id和date有一行。

最后，使用带有ignore nulls选项的last_value()来获取填充的最新值：

with t as (
      select id, updated_at, max(bool) as bool, max(descr) as descr, max(value) as value
      from (select tbl1.id, tbl1.updated_at, tbl1.bool, null as descr, null as value
            from tbl1 
            union all
            select tbl2.tbl1_id, tbl2.updated_at, null, tbl2.descr, null
            from tbl2
            union all
            select tbl2.tbl1_id, tbl2.updated_at, null, null, tbl3.value
            from tbl2 join
                 tbl3
                 on tbl2.id = tbl3.tbl2_id
           ) t
     group by id, updated_at
    )
select id, updated_at,
       last_value(bool ignore nulls) over (partition by id order by updated_at) as bool,
       last_value(descr ignore nulls) over (partition by id order by updated_at) as descr,
       last_value(value ignore nulls) over (partition by id order by updated_at) as value
from t;