- android - RelativeLayout 背景可绘制重叠内容
- android - 如何链接 cpufeatures lib 以获取 native android 库?
- java - OnItemClickListener 不起作用,但 OnLongItemClickListener 在自定义 ListView 中起作用
- java - Android 文件转字符串
此示例是在 SQL Server 2016 中构建的,但它也应该适用于 MySQL 8.X。
我将事件日志数据存储在表 fact_user_event_activity
中,示例数据如下:
event_date_key user_key step_key session_id event_timestamp
20140411 123 1 1000 2014-04-11 08:00:00.000
20140411 123 2 1000 2014-04-11 08:10:00.000
20140411 123 3 1000 2014-04-11 08:20:00.000
20140411 123 4 1000 2014-04-11 08:30:00.000
20140411 125 1 1001 2014-04-11 09:10:00.000
20140411 123 5 1000 2014-04-11 08:31:00.000
20140411 125 2 1001 2014-04-11 09:30:00.000
20140411 125 3 1001 2014-04-11 09:50:00.000 <--
20140411 125 3 1001 2014-04-11 09:51:00.000 <--
20140411 125 4 1001 2014-04-11 09:52:00.000
假设:
2014-04-11 09:10:00.000
上的 user_key 125
。预期
查询以下内容的最有效方法是什么?
user_key session_id step_1_duration_mins step_2_duration_mins step_3_duration_mins step_4_duration_mins
123 1000 10 10 10 1
125 1001 20 20 2 NULL
这将用作累积快照的 ETL 查询
设置
DROP TABLE IF EXISTS [fact_user_event_activity]
;
CREATE TABLE [fact_user_event_activity] (
[event_date_key] INT DEFAULT NULL,
[user_key] BIGINT NOT NULL,
[step_key] BIGINT NOT NULL,
[session_id] BIGINT NOT NULL,
[event_timestamp] datetime NOT NULL
)
;
INSERT INTO [fact_user_event_activity]
VALUES (20140411, 123, 1, 1000, N'2014-04-11 08:00:00'),
(20140411, 123, 2, 1000, N'2014-04-11 08:10:00'),
(20140411, 123, 3, 1000, N'2014-04-11 08:20:00'),
(20140411, 123, 4, 1000, N'2014-04-11 08:30:00'),
(20140411, 125, 1, 1001, N'2014-04-11 09:10:00'),
(20140411, 123, 5, 1000, N'2014-04-11 08:31:00'),
(20140411, 125, 2, 1001, N'2014-04-11 09:30:00'),
(20140411, 125, 3, 1001, N'2014-04-11 09:50:00'),
(20140411, 125, 3, 1001, N'2014-04-11 09:51:00'),
(20140411, 125, 4, 1001, N'2014-04-11 09:52:00'),
(20140411, 129, 1, 1005, N'2014-04-11 09:08:00'),
(20140411, 129, 2, 1005, N'2014-04-11 09:10:00'),
(20140411, 129, 3, 1005, N'2014-04-11 09:12:00'),
(20140411, 129, 3, 1005, N'2014-04-11 09:13:00'),
(20140411, 129, 4, 1005, N'2014-04-11 09:14:00'),
(20140411, 129, 5, 1005, N'2014-04-11 09:18:00')
;
我的尝试
为了便于理解代码,我分两步处理:
这会返回我所期望的结果,但我确定我可能会使事情过于复杂,并且这将与约 5 亿条记录相冲突,所以我想知道是否有更好的方法或者我是否遗漏了什么.
-- Step 1
-- to improve performance, use temp table instead of CTE
-- Use TIMESTAMPDIFF in MySQL instead of DATEDIFF
WITH durations_from_start_tmp AS
(
SELECT session_id, user_key, FIRST_VALUE(fuea.event_timestamp) OVER(PARTITION BY user_key, fuea.session_id ORDER BY fuea.event_timestamp) first_login,
DENSE_RANK() OVER(PARTITION BY user_key, step_key, fuea.session_id ORDER BY fuea.event_timestamp) AS rnk,
CASE WHEN step_key = 2 THEN DATEDIFF(MINUTE, FIRST_VALUE(fuea.event_timestamp) OVER(PARTITION BY user_key, fuea.session_id ORDER BY fuea.event_timestamp), fuea.event_timestamp) END AS step_1_duration_from_start,
CASE WHEN step_key = 3 THEN DATEDIFF(MINUTE, FIRST_VALUE(fuea.event_timestamp) OVER(PARTITION BY user_key, fuea.session_id ORDER BY fuea.event_timestamp), fuea.event_timestamp) END AS step_2_duration_from_start,
CASE WHEN step_key = 4 THEN DATEDIFF(MINUTE, FIRST_VALUE(fuea.event_timestamp) OVER(PARTITION BY user_key, fuea.session_id ORDER BY fuea.event_timestamp), fuea.event_timestamp) END AS step_3_duration_from_start,
CASE WHEN step_key = 5 THEN DATEDIFF(MINUTE, FIRST_VALUE(fuea.event_timestamp) OVER(PARTITION BY user_key, fuea.session_id ORDER BY fuea.event_timestamp), fuea.event_timestamp) END AS step_4_duration_from_start
FROM [fact_user_event_activity] fuea
--WHERE event_timestamp > watermark --for incremental load
)
-- Step 2
SELECT user_key, session_id, SUM(step_1_duration_from_start) AS step_1_duration_mins,
SUM(step_2_duration_from_start) - SUM(step_1_duration_from_start) AS step_2_duration_mins ,
SUM(step_3_duration_from_start) - SUM(step_2_duration_from_start) AS step_3_duration_mins ,
SUM(step_4_duration_from_start) - SUM(step_3_duration_from_start) AS step_4_duration_mins
FROM durations_from_start_tmp
-- deals with repeated steps
WHERE rnk = 1
GROUP BY user_key, session_id
引用资料
这可能与获得答案无关,但以防万一您不熟悉数据建模概念
最佳答案
因此,您可能采取的一种方法是添加一个索引(假设您可以添加一个),例如:
在 [fact_user_event_activity](user_key、session_id、step_key、event_timestamp)上创建索引 [SomeIndexName];
(或者,如果您担心 500m 行的索引大小,您可以在 step_key、event_timestamp 上做一个包含。)
然后跳过将窗口函数与如下查询一起使用:
SELECT user_key,
session_id,
step_1_duration = DATEDIFF(MINUTE, step_1_timestamp, step_2_timestamp),
step_2_duration = DATEDIFF(MINUTE, step_2_timestamp, step_3_timestamp),
step_3_duration = DATEDIFF(MINUTE, step_3_timestamp, step_4_timestamp),
step_4_duration = DATEDIFF(MINUTE, step_4_timestamp, step_5_timestamp)
FROM
(
SELECT user_key, session_id,
step_1_timestamp = MIN(CASE WHEN step_key = 1 THEN event_timestamp END),
step_2_timestamp = MIN(CASE WHEN step_key = 2 THEN event_timestamp END),
step_3_timestamp = MIN(CASE WHEN step_key = 3 THEN event_timestamp END),
step_4_timestamp = MIN(CASE WHEN step_key = 4 THEN event_timestamp END),
step_5_timestamp = MIN(CASE WHEN step_key = 5 THEN event_timestamp END)
FROM fact_user_event_activity
GROUP BY user_key, session_id
) AS T;
(理论上只进行索引扫描,不需要任何排序。)
关于mysql - 高效查询以从 sql 中的事件日志表获取步骤持续时间到累积快照事实,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/56761769/
我有一台 MySQL 服务器和一台 PostgreSQL 服务器。 需要从多个表中复制或重新插入一组数据 MySQL 流式传输/同步到 PostgreSQL 表。 这种复制可以基于时间(Sync)或事
如果两个表的 id 彼此相等,我尝试从一个表中获取数据。这是我使用的代码: SELECT id_to , email_to , name_to , status_to
我有一个 Excel 工作表。顶行对应于列名称,而连续的行每行代表一个条目。 如何将此 Excel 工作表转换为 SQL 表? 我使用的是 SQL Server 2005。 最佳答案 这取决于您使用哪
我想合并两个 Django 模型并创建一个模型。让我们假设我有第一个表表 A,其中包含一些列和数据。 Table A -------------- col1 col2 col3 col
我有两个表:table1,table2,如下所示 table1: id name 1 tamil 2 english 3 maths 4 science table2: p
关闭。此题需要details or clarity 。目前不接受答案。 想要改进这个问题吗?通过 editing this post 添加详细信息并澄清问题. 已关闭 1 年前。 Improve th
下面两个语句有什么区别? newTable = orginalTable 或 newTable.data(originalTable) 我怀疑 .data() 方法具有性能优势,因为它在标准 AX 中
我有一个表,我没有在其中显式定义主键,它并不是真正需要的功能......但是一位同事建议我添加一个列作为唯一主键以随着数据库的增长提高性能...... 谁能解释一下这是如何提高性能的? 没有使用索引(
如何将表“产品”中的产品记录与其不同表“图像”中的图像相关联? 我正在对产品 ID 使用自动增量。 我觉得不可能进行关联,因为产品 ID 是自动递增的,因此在插入期间不可用! 如何插入新产品,获取产品
我有一个 sql 表,其中包含关键字和出现次数,如下所示(尽管出现次数并不重要): ____________ dog | 3 | ____________ rat | 7 | ____
是否可以使用目标表中的LAST_INSERT_ID更新源表? INSERT INTO `target` SELECT `a`, `b` FROM `source` 目标表有一个自动增量键id,我想将其
我正在重建一个搜索查询,因为它在“我看到的”中变得多余,我想知道什么 (albums_artists, artists) ( ) does in join? is it for boosting pe
以下是我使用 mysqldump 备份数据库的开关: /usr/bin/mysqldump -u **** --password=**** --single-transaction --databas
我试图获取 MySQL 表中的所有行并将它们放入 HTML 表中: Exam ID Status Assigned Examiner
如何查询名为 photos 的表中的所有记录,并知道当前用户使用单个查询将哪些结果照片添加为书签? 这是我的表格: -- -- Table structure for table `photos` -
我的网站都在 InnoDB 表上运行,目前为止运行良好。现在我想知道在我的网站上实时发生了什么,所以我将每个页面浏览量(页面、引荐来源网址、IP、主机名等)存储在 InnoDB 表中。每秒大约有 10
我在想我会为 mysql 准备两个表。一个用于存储登录信息,另一个用于存储送货地址。这是传统方式还是所有内容都存储在一张表中? 对于两个表...有没有办法自动将表 A 的列复制到表 B,以便我可以引用
我不是程序员,我从这个表格中阅读了很多关于如何解决我的问题的内容,但我的搜索效果不好 我有两张 table 表 1:成员 id*| name | surname -------------------
我知道如何在 ASP.NET 中显示真实表,例如 public ActionResult Index() { var s = db.StaffInfoDBSet.ToList(); r
我正在尝试运行以下查询: "insert into visits set source = 'http://google.com' and country = 'en' and ref = '1234
我是一名优秀的程序员,十分优秀!