sql - 从源数据构建/重建完整的历史 Type-2 表
问题描述
我在 PSA 中有一个表,我在其中捕获对源表中记录的更改。假设它看起来像这样:
+-----+------------+----------------+------------------+------------------+
| PK | Check_cols | Dont_care_cols | start_ts | end_ts |
+-----+------------+----------------+------------------+------------------+
| 123 | abc | def | 1/1/20 00:10:00 | 1/2/20 13:13:23 |
| 123 | abc | dhf | 1/2/20 13:13:23 | 1/3/20 04:21:00 |
| 123 | abc | dhz | 1/3/20 04:21:00 | 1/5/20 12:15:00 |
| 123 | abd | dyz | 1/5/20 12:15:00 | 1/9/20 15:16:00 |
| 123 | abc | dyz | 1/9/20 15:16:00 | null |
| 456 | ghi | jkl | 1/2/20 03:45:00 | 1/10/20 00:00:00 |
| 456 | lmn | opq | 1/10/20 00:00:00 | null |
+-----+------------+----------------+------------------+------------------+
我想只使用 check_cols 的值从该表中构建一个类型 2 维度(跟踪记录开始和停止时间的变化),如下所示。我正在寻找一个纯 SQL 解决方案,没有循环。
check_cols 由多个列组成,但我将使用 md5 哈希来查找更改。由于我的维度只关心 check_cols 存在时间戳记录不是我需要的情况。例如,如果 dont_care_cols 中的值发生变化,但 check_cols 值没有变化。
从上面的数据中,我想要以下结果集:
+-----+------------+------------------+------------------+
| PK | Check_cols | start_ts | end_ts |
+-----+------------+------------------+------------------+
| 123 | abc | 1/1/20 00:10:00 | 1/5/20 12:15:00 |
| 123 | abd | 1/5/20 12:15:00 | 1/9/20 15:16:00 |
| 123 | abc | 1/9/20 15:16:00 | null |
| 456 | ghi | 1/2/20 03:45:00 | 1/10/20 00:00:00 |
| 456 | lmn | 1/10/20 00:00:00 | null |
+-----+------------+------------------+------------------+
我尝试使用窗口函数来比较超前值和滞后值、获取最小值和最大值等,但我无法弄清楚第一个表中为 PK 123 显示的这种边缘情况。我也没有通过 google/stackoverflow/etc 找到解决方案。大多数方法依赖于运行的每日快照。如果我有逻辑更改,我希望能够重建目标表。有人有想法吗?
解决方案
我不知道这是否是最好的答案,或者它是否解决了你所有的用例,但试一试,如果有一个边缘案例绊倒它,请告诉我。这有点骇人听闻。此外,我确实在用例中添加了一些记录:
CREATE OR REPLACE TEMP TABLE tran_data (pk int, check_cols varchar, dont_care_cols varchar, start_ts timestamp, end_ts timestamp);
INSERT INTO tran_data
SELECT *
FROM (VALUES(123,'abc','def',TO_TIMESTAMP('1/1/20 00:10:00','MM/DD/YY hh:mi:ss'),TO_TIMESTAMP('1/2/20 13:13:23','MM/DD/YY hh:mi:ss')),
(123,'abc','dhf',TO_TIMESTAMP('1/2/20 13:13:23','MM/DD/YY hh:mi:ss'),TO_TIMESTAMP('1/3/20 04:21:00','MM/DD/YY hh:mi:ss')),
(123,'abc','dhz',TO_TIMESTAMP('1/3/20 04:21:00','MM/DD/YY hh:mi:ss'),TO_TIMESTAMP('1/5/20 12:15:00','MM/DD/YY hh:mi:ss')),
(123,'abd','dyz',TO_TIMESTAMP('1/5/20 12:15:00','MM/DD/YY hh:mi:ss'),TO_TIMESTAMP('1/9/20 15:16:00','MM/DD/YY hh:mi:ss')),
(123,'abd','dyz',TO_TIMESTAMP('1/9/20 15:16:00','MM/DD/YY hh:mi:ss'),TO_TIMESTAMP('1/11/20 14:14:00','MM/DD/YY hh:mi:ss')),
(123,'abc','dyz',TO_TIMESTAMP('1/11/20 14:14:00','MM/DD/YY hh:mi:ss'),TO_TIMESTAMP('1/14/20 09:14:00','MM/DD/YY hh:mi:ss')),
(123,'abc','dyz',TO_TIMESTAMP('1/14/20 09:14:00','MM/DD/YY hh:mi:ss'),null),
(456,'ghi','jkl',TO_TIMESTAMP('1/2/20 03:45:00','MM/DD/YY hh:mi:ss'),TO_TIMESTAMP('1/10/20 00:00:00','MM/DD/YY hh:mi:ss')),
(456,'lmn','opq',TO_TIMESTAMP('1/10/20 00:00:00','MM/DD/YY hh:mi:ss'),null)
);
从那里,我试图找到一种方法来使用一种方法来创建“组”,我希望这种方法能够经受住你所有的用例:
SELECT DISTINCT
PK
, check_cols
, FIRST_VALUE(start_ts) OVER (PARTITION BY PK, check_cols, group_num ORDER BY start_ts) as new_start_ts
, LAST_VALUE(end_ts) OVER (PARTITION BY PK, check_cols, group_num ORDER BY start_ts) as new_end_ts
FROM (
SELECT
ROW_NUMBER() OVER (PARTITION BY PK, check_cols ORDER BY start_ts) as group_cnt
, group_cnt - pk_row as group_num
, *
FROM (
SELECT
ROW_NUMBER() OVER (PARTITION BY PK ORDER BY start_ts) as pk_row
, IFNULL(LAG(check_cols) OVER (PARTITION BY PK ORDER BY start_ts),check_cols) as prev_check_cols
, *
FROM tran_data
)
)
ORDER BY pk, new_start_ts;
推荐阅读
- powerbi - 为什么 Power BI 报告中的所有逗号突然都替换为管道符号
- java - 使用 -Dloader.path= 运行 jar 有效,但不是 application.properties loader.path
- c - 程序启动时出现 SDL_CeateWindow 错误
- angular - 使用 TemplateRefs 对 Angular 组件进行单元测试
- curl - Facebook 正在抛出“请指定与此广告一起运行的图像”。尝试制作广告时
- aws-glue - AWS Glue:爬虫无法识别 CSV 格式的时间戳列
- android - 使用 TWA 在 Google Play 上成功发布的 PWA 有异常行为
- azure - 将消息从一条服务总线复制到另一条服务总线的最佳方法是什么?
- vue.js - Bootstrap Modal Hide from VUE 方法
- vba - 在 Word 的整行中水平对齐单元格内容