如何根据另一个事件的时间戳按顺序查找最近的事件

Question

我有一个 table 的应用程序事件数据。每行都有一个 user_id、一个时间戳、一个 page_id、一个 event_name 和其他字段。我现在关心的事件是 page_open 和 button_click 事件，但还有 10 种其他事件类型可能发生在两者之间，例如滚动。用户可能多次打开同一个页面，但只是偶尔点击页面上的一个按钮，如下例所示。

user_id  timestamp   page_id  event_name
-------  ----------  -------  --------------
     71  12:00:34        307  page_open
     88  13:01:44        307  page_open
     71  13:02:09        307  page_open
     71  13:02:11        307  scroll
     71  13:04:41        307  page_open
     71  13:04:42        307  scroll
     71  13:04:45        307  button_click_a
     71  13:08:30        307  page_open
     88  13:09:01        307  button_click_b

对于每个用户的每个 page_open 事件，我想要一个额外的列来告诉我是否最终单击了按钮。我没有要使用的页面“会话”，所以我必须寻找在 button_click 时间戳之前发生的最大 page_open 时间戳。换句话说，我想把上面的table改成下面的table

user_id  timestamp   page_id  event_name  button_event
-------  ----------  -------  ----------  --------------
     71  12:00:34        307  page_open   NULL
     88  13:01:44        307  page_open   button_click_b
     71  13:02:09        307  page_open   NULL
     71  13:04:41        307  page_open   button_click_a
     71  13:08:30        307  page_open   NULL

我试图将 page_open 和 button_click 事件分成两个 table 并在 user_id 和 page_id 上执行 LEFT JOIN就像您在下面看到的那样，但当然这没有用，因为它匹配按钮点击到所有 page_open 和那个 page_id。我只想将按钮点击与其对应的 page_open 事件相匹配。

SELECT
    a.user_id,
    a.timestamp,
    a.page_id,
    a.event_name,
    b.event_name AS button_event
FROM
    (SELECT * FROM events WHERE event_name = 'page_open') a
LEFT JOIN
    (SELECT * FROM events WHERE event_name = 'button_click_a' OR event_name = 'button_click_b') b
ON
    a.user_id = b.user_id AND
    a.page_id = b.page_id
;

我是处理此类事件数据的新手。你能提供的任何帮助都会很棒。解决这个问题的正确方法是什么？

Answer 1

这是一个 gaps-and-islands 问题。您需要定义以“页面打开”事件开始的相邻记录组；我会推荐 window 计数：

select *
from (
    select 
        t.*,
        max(case when event_name <> 'page_open' then event_name end) 
            over(partition by page_id, user_id, grp) button_event
    from (
        select 
            t.*,
            sum(case when event_name = 'page_open' then 1 else 0 end) 
                over(partition by page_id, user_id order by timestamp) grp
        from mytable t
        where event_name = 'page_open' or event_name like 'button_click_%'
    ) t
) t
where event_name = 'page_open'

你没有告诉你是哪个数据库运行。这使用标准 window 函数语法，并且应该在所有支持 window 函数的数据库中工作。

Demo on DB Fiddle:

user_id | timestamp | page_id | event_name | grp | button_event  
------: | :-------- | ------: | :--------- | --: | :-------------
     71 | 12:00:34  |     307 | page_open  |   1 | null          
     88 | 13:01:44  |     307 | page_open  |   1 | button_click_b
     71 | 13:02:09  |     307 | page_open  |   2 | null          
     71 | 13:04:41  |     307 | page_open  |   3 | button_click_a
     71 | 13:08:30  |     307 | page_open  |   4 | null

Answer 2

look for the max page_open timestamp that occurred before the button_click timestamp.

重新措辞 看看下一行是否是 button-click。
您没有标记 DBMS，但大多数系统支持 Lag/LEAD:

with cte as 
 (
   select
      user_id,
      timestamp,
      page_id,
      event_name,
      -- find the next non-'page_open' event
      lead(case when event_name <> 'page_open'
               then event_name
          end)
      over (partition by user_id
            order by timestamp) AS button_event
   from mytable
   where event_name in ('page_open','button_click_a','button_click_b')
 )
select *
from cte 
where event_name = 'page_open' -- remove click rows

见fiddle

如何根据另一个事件的时间戳按顺序查找最近的事件

How do I find the most recent event in sequence based on the timestamp of another event

sql

hive

hql

window-functions

gaps-and-islands