在SQL中如何根据当前行值选择前一行？

Question

我有一个简单的SQL表，它看起来像这 -

CREATE TABLE msg (
    from_person character varying(10), 
    from_location character varying(10), 
    to_person character varying(10), 
    to_location character varying(10), 
    msglength integer, 
    ts timestamp without time zone 
); 

我想找出表中的每一行是否有不同的“from_person”和“出发地点”已与互动最近3分钟内当前行中的'to_person'。

例如，在上表中，除了孟买（当前行）的玛丽，纽约的南希和巴塞罗那的鲍勃以外，第4行还在最近3分钟内向查理发送了一条消息，因此计数为2。

类似地，对于行＃2，比来自Barcelona（当前行）摆锤其他，从纽约仅南希在CA（当前行）发送的消息给Charlie所以计数为1

实施例期望的输出 -

0 
1 
0 
2 

我试过使用窗口函数，但它似乎是临时在框架子句中，我可以在前后指定行数，但我无法指定时间本身。

Answer 1

众所周知的是，在Postgres的每个表都有一个主键。或者至少应该有。如果你有一个定义行的预期顺序的主键，那将是非常好的。

实施例的数据：

create table msg (
    id int primary key, 
    from_person text, 
    to_person text, 
    ts timestamp without time zone 
); 

insert into msg values 
(1, 'nancy', 'charlie', '2016-02-01 01:00:00'), 
(2, 'bob',  'charlie', '2016-02-01 01:00:00'), 
(3, 'charlie', 'nancy', '2016-02-01 01:00:01'), 
(4, 'mary', 'charlie', '2016-02-01 01:02:00'); 

查询：

select m1.id, count(m2) 
from msg m1 
left join msg m2 
on m2.id < m1.id 
and m2.to_person = m1.to_person 
and m2.ts >= m1.ts- '3m'::interval 
group by 1 
order by 1; 

id | count 
----+------- 
    1 |  0 
    2 |  1 
    3 |  0 
    4 |  2 
(4 rows) 

在缺乏可以使用功能row_number()主键的，例如：

with msg_with_rn as (
    select *, row_number() over (order by ts, from_person desc) rn 
    from msg 
    ) 
select m1.id, count(m2) 
from msg_with_rn m1 
left join msg_with_rn m2 
on m2.rn < m1.rn 
and m2.to_person = m1.to_person 
and m2.ts >= m1.ts- '3m'::interval 
group by 1 
order by 1; 

注意我已经使用row_number() over (order by ts, from_person desc)来获取您所呈现的行的序列问题。当然，你应该自己决定如何解决由于列ts（如前两行）的相同值而产生的歧义。

Answer 2

这应该或多或少地做到这一点。根据您的要求，您可能需要修改中间的两个条件在where子句中：

select *, 
    (select count(*) from msg m2 
    where m2.to_person = m1.to_person 
     and m2.from_person != m1.from_person 
     and m2.from_location != m1.from_location 
     and abs(EXTRACT(EPOCH FROM (m1.ts - m2.ts))) <= 3*60) 
from msg m1 

Answer 3

大厦您实际问题，这将是一个正确的答案：

SELECT count(m2.to_person) AS ct_3min 
FROM msg m1 
LEFT JOIN msg m2 
    ON m2.to_person = m1.to_person 
    AND (m2.from_person, m2.from_location) <> (m1.from_person, m1.from_location) 
    AND m2.ts <= m1.ts -- including same timestamp (?) 
    AND m2.ts >= m1.ts - interval '3 min' 
GROUP BY m1.ctid 
ORDER BY m1.ctid; 

假设to_person，from_person和from_location都被定义NOT NULL。

返回：

1 -- !! 
1 
0 
2 

注意，结果基本上是意义没有其他列，列的任何独特组合，理想情况下PK。我以当前的物理顺序返回行 - 可以随时改变而不会发出警告。关系表中没有行的自然顺序。没有明确的ORDER BY子句，结果行的顺序不可靠。

根据您的定义的前两行（根据你的显示顺序）需要有相同的结果：1 - 一个和10为其他是不正确的 - 或者0，如果你不指望相同的时间戳根据你的定义。

在没有任何唯一密钥的情况下，我使用ctid作为穷人的代理密钥。更多：

• In-order sequence generation

您应该仍然在你的表中定义一个主键，但它绝不是强制性的。这不是你桌子布局中唯一可疑的细节。您应该使用timestamp with time zone进行操作，在适当的标准化设计中使用NOT NULL约束，并且只有person_id列引用person表。喜欢的东西：

CREATE TABLE msg (
    msg_id   serial PRIMARY KEY 
, from_person_id integer NOT NULL REFERENCES person 
, to_person_id integer NOT NULL REFERENCES person 
, msglength  integer 
, ts    timestamp with time zone 
); 

无论哪种方式，依靠您的查询的目的的替代PK将完全错误。 “下一个”msg_id甚至不需要有更晚的时间戳。在一个多用户数据库中，一个序列并不能保证这种排序。