检查日期分割周期是否连续（并找出差距）

Question

我正在努力解决与此线程中类似的问题： Check date split periods are continuous

谁能帮我把 Qsebas 的答案翻译成 Presto 语言？因为这正是我想要实现的。

我不确定这部分的结果应该是什么：

CROSS APPLY  Enumerate ( ABS(DATEDIFF(d, From_Date, To_Date))) AS NUMBERS

以及如何替换它。将 ROW_NUMBER () 作为一列，将 ABS(DATE_DIFF()) 作为第二列吗？

我的示例数据：

license_plate	create_timestamp	delete_timestamp
AA-AAA	2019-10-08 10:47:54	\N
AA-AAA	2021-01-22 12:37:21	2021-07-21 8:27:44
AA-AAA	2021-07-19 9:10:39	\N
BB-BBB	2016-04-15 8:38:59	2021-11-04 10:51:18
BB-BBB	2018-03-13 13:56:39	2021-10-07 08:21:07
BB-BBB	2021-12-23 12:42:31	\N
CC-CCC	2019-07-26 21:22:42	2021-12-17 18:21:37
CC-CCC	2021-11-05 11:08:13	2022-02-11 08:44:22

我想得到这样的东西:

license_plate	create_timestamp	delete_timestamp
AA-AAA	2019-10-08 10:47:54	\N
BB-BBB	2016-04-15 8:38:59	2021-10-07 08:21:07
BB-BBB	2021-12-23 12:42:31	\N
CC-CCC	2019-07-26 21:22:42	2022-02-11 08:44:22

还可以有一列 count_ranges 来计算每个车牌有多少个范围。每个车牌可以有很多条目，它们可以重叠（因此按 create_timestamp 排序并逐行比较不起作用）。这个想法是将车辆（车牌）分组为：

'Active'（从第一个 create_timestamp 到 now/end_date 没有差距）； license_plate 在我的示例中为 AA-AAA
'Reactivated'（至少有间隙，但汽车现在处于活动状态）- license_plate BB-BBB
'Deleted'（从第一个 create_timestamp 到最后一个 delete_timestamp 没有间隔，但现在不活跃）- license_plate CC-CCC

我知道可能会有更多的场景（即 'Reactivated - Deleted'、'Reactivated - Reactivated'，但现在这种拆分就可以了。

如果我有 table 我想要的，我可以通过以下方式将它们分配给组：

CASE WHEN count_ranges > 1 THEN 'Reactivated'
           WHEN count_ranges = 1 AND delete_timestamp is null THEN 'Active'
           WHEN count_ranges = 1 AND delete_timestamp is not null THEN 'Deleted'
END AS vehicle_status

也许有不同的方法可以做到这一点？

PS。在范围末尾列出确切的 delete_timestamp 并在下一个范围的开头列出单个车牌的确切 delete_timestamp 将有助于检查车牌是否被同一用户或某人重新激活否则。

谢谢！

Answer 1

使用链接答案中的示例数据，我建议使用间隙和孤岛方法 - 使用 lag 将之前的 to_date 与当前的 from_date 进行比较，然后将结果用于滚动总和形成分组：

-- sample data
WITH dataset (ref, from_date, to_date) AS (
    VALUES ('A', date '1997-01-04', date '1998-01-04'),
        ('A', date '1998-01-04', date '1998-05-27'),
        ('A', date '1998-05-27', date '1999-01-04'),
        ('B', date '1997-01-04', date '1998-01-04'),
        ('B', date '1998-01-04', date '1998-07-26'),
        ('B', date '2012-01-04', date '2013-01-04')
)

-- query
select ref,
    min(from_date) from_date,
    max(to_date) to_date,
    max(grp) over(partition by ref) + 1 count_ranges
from(
        select ref,
            from_date,
            to_date,
            sum(if(grp > 0, 1, 0)) over(partition by ref order by from_date, to_date) as grp
        from (
                select *,
                    coalesce(
                        date_diff('day', lag(to_date) over(partition by ref order by from_date, to_date), from_date),
                        0
                    ) as grp
                from dataset
            )
    )
group by ref, grp

输出：

ref	from_date	to_date	count_ranges
A	1997-01-04	1999-01-04	1
B	1997-01-04	1998-07-26	2
B	2012-01-04	2013-01-04	2

Answer 2

感谢@Guru Stron，您指导我找到了正确的解决方案！

我通过在初始数据库中添加一列来升级您的代码：

select v.*,
       max(delete_timestamp) over (partition by license_plate 
       order by create_timestamp, delete_timestamp ROWS UNBOUNDED PRECEDING) 
       as moving_max

from vehicles v

结束然后我将下一个 create_timestamp 与上一个 moving_max 进行比较而不是上一个 delete_timestamp

尚未检查您的代码部分。但如果它以前工作（不是我想要的，而是你想要的;））并且我更新的数据库在新列中看起来不错（每个牌照的 moving_max 计算正确）所以它不会出错.

检查日期分割周期是否连续（并找出差距）

Check date split periods are continuous (and spotting the gaps)

sql

gaps-and-islands

presto