sql - 在巨大的事件流中寻找差距？

Question

我在 PostgreSQL 数据库中有大约 100 万个这种格式的事件:

id        |   stream_id     |  timestamp
----------+-----------------+-----------------
1         |   7             |  ....
2         |   8             |  ....

大约有 50,000 个唯一流。

我需要找到任意两个事件之间的时间超过特定时间段的所有事件。换句话说，我需要找到在特定时间段内没有事件的事件对。

例如:

a b c d   e     f              g         h   i  j k
| | | |   |     |              |         |   |  | | 

                \____2 mins____/

在这种情况下，我想找到 (f, g) 对，因为它们是紧邻间隙的事件。

我不在乎查询是否(那么)慢，即在 100 万条记录上，如果需要一个小时左右就可以了。然而，数据集将继续增长，所以希望它能在缓慢的情况下正常扩展。

我在 MongoDB 中也有数据。

执行此查询的最佳方式是什么？

Answer 1

您可以使用 lag() 来做到这一点按时间戳排序的 stream_id 分区上的窗口函数。 lag() 函数使您可以访问分区中的前几行；没有滞后值，它是前一行。因此，如果 stream_id 上的分区按时间排序，则前一行是该 stream_id 的前一个事件。

SELECT stream_id, lag(id) OVER pair AS start_id, id AS end_id,
       ("timestamp" - lag("timestamp") OVER pair) AS diff
FROM my_table
WHERE diff > interval '2 minutes'
WINDOW pair AS (PARTITION BY stream_id ORDER BY "timestamp");