如何以升序和降序排序方式多次自连接同一个表？

Question

数据定义

我有一个像这样的状态表，省略了与问题无关的属性：

id	已创建	价值
1	2024-06-24T13:01:00	错误
2	2024-06-24T13:02:00	好的
3	2024-06-24T13:03:00	警告
4	2024-06-24T13:04:00	错误
5	2024-06-24T13:05:00	错误
6	2024-06-24T13:05:30	错误
7	2024-06-24T13:06:00	好的
8	2024-06-24T13:07:00	错误
9	2024-06-24T13:07:30	错误
10	2024-06-24T13:08:00	警告
11	2024-06-24T13:09:00	错误

手头的任务

我想将表格折叠成一个类似块的视图，其中“错误”blocs（

1

，

4-6

，

8-9

，

11

）折叠成一行，但是相应的 before 和 after 状态和时间戳也包括在内，如下所示：

错误首次出现	之前的值	时间戳_之前	之后的值	时间戳_之后
2024-06-24T13:01:00	空	空	好的	2024-06-24T13:02:00
2024-06-24T13:04:00	警告	2024-06-24T13:03:00	好的	2024-06-24T13:06:00
2024-06-24T13:07:00	好的	2024-06-24T13:06:00	警告	2024-06-24T13:08:00
2024-06-24T13:09:00	警告	2024-06-24T13:08:00	空	空

解决方案选项

据我所知，我有以下选择：

1。创建子查询

SELECT 
  value AS "value_before"
  -- created AS "timestamp_before"
FROM t AS t1 
WHERE t1.value != 'error' AND t1.created < t.created 
ORDER BY t1.created DESC 
LIMIT 1

SELECT 
  value AS "value_after"
  -- created AS "timestamp_after"
FROM t AS t2 
WHERE t2.value != 'error' AND t2.created > t.created 
ORDER BY t2.created ASC
LIMIT 1

2。横向连接

使用横向 JOIN 可能会节省一半的查询，因为我可以同时提取两个字段（

value

，

created

），这对于子查询来说是不可能的。

但是，引擎可能需要对主查询生成的每一行再次执行排序。因此，我没有进一步追究这个问题。

3.自加入

在这里，我将创建两个派生表

t1

和

t2

（在本例中，CTE 是同一件事），并按

created

DESC

（最新的在前）和

ASC

（最旧的在前）排序并在

t1.value != 'error' AND t1.created < t.created

上加入“最新的不是错误且比 t.created 更旧的”，并在

t2.value != 'error' AND t2.created > t.created

上加入“最旧的不是错误且比 t.created 更旧的”。

SELECT
  t.created  "error_first_occurance",
  t1.value   "value_before",
  t1.created "timestamp_before",
  t2.value   "value_after",
  t2.created "timestamp_after"
FROM t LEFT
JOIN (
  SELECT value, created
  FROM t WHERE value != 'error'
  ORDER BY created DESC
) t1 ON t1.created < t.created LEFT
JOIN (
  SELECT value, created
  FROM t WHERE value != 'error'
  ORDER BY created ASC
) t2 ON t2.created > t.created
WHERE 
  t.value = 'error'
ORDER BY 
  t.created

这已经产生了正确的“超集”，但是由于我不能依赖

t1.value

或

t2.value

在块之间只有相同的值（参见第

2

-

3

行），我不知道如何分辨我想要来自

MAX()

时间戳的

MIN()

/

created

值，和 与该记录中的

value

相同。

问题

挑战似乎是我不仅需要

created

时间戳字段（可以使用聚合函数轻松提取），而且还需要来自

相同记录

的字符串 value，聚合无法访问该字符串功能。

因此，在一个假定有 100k 条记录的真实表上：

• 生成结果表的首选 SQL 代码是什么？
• 我需要创建哪些索引才能获得最佳速度。

Answer 1

每个错误块需要来自三行的信息，因此最直接的方法是使用两个步骤，每个步骤将两个步骤组合起来。您可以使用自连接或窗口函数（例如

lag()

）来完成此操作。剩下的就是把行排列正确。这是一个带有自连接的实现，这对我来说似乎更可取（更简洁）：

WITH a AS (
    SELECT 
        ROW_NUMBER() OVER (ORDER BY COALESCE(t1.id, -1)),
        t1.value AS value_before,
        t1.created AS timestamp_before,
        t2.created AS error_first_occurrence,
        t2.value,
        t2.created
    FROM
        t t1
        FULL JOIN t t2 ON t1.id+1 = t2.id
    WHERE
        (t1.value = 'error' AND t2.value IS DISTINCT FROM 'error')
        OR (t1.value IS DISTINCT FROM 'error' AND t2.value = 'error')
)
SELECT
    a1.error_first_occurrence,
    a1.value_before,
    a1.timestamp_before,
    a2.value AS value_after,
    a2.created AS timestamp_after
FROM
    a a1
    JOIN a a2 ON a1.row_number+1 = a2.row_number
WHERE
    a1.value = 'error';

注意使用

IS DISTINCT

和

COALESCE

来处理

NULL

。

我认为这种方法和类似方法（例如使用窗口函数）在性能方面不会有太大差异，但如果它足够重要，您绝对应该尝试一些变体。

另一种方法是使用递归查询，但我认为在这种情况下这不会给你带来任何好处（除了更晦涩的语法）。然而，它们是处理此类问题（聚合连续行组）的最通用和最强大的工具，因此，如果您不断遇到类似的问题，您可能需要看看。

关于索引，我假设

id

是主键，所以最重要的索引已经存在了。除此之外，

id

和

value

上的多列索引可能有助于加速初始自连接，但前提是您的错误和无错误块相当大，否则表的大多数行都会有无论如何都要扫描。