Jest to problem z lukami i wyspami, ale wyspy są definiowane przez REQ transakcja sprawia, że jest to nieco bardziej skomplikowane niż niektóre.
Możesz użyć zagnieżdżonych funkcji lead i lag oraz pewnych manipulacji, aby uzyskać to, czego potrzebujesz:
select distinct item,
coalesce(start_tran,
lag(start_tran) over (partition by item order by timestamp)) as start_tran,
coalesce(end_tran,
lead(end_tran) over (partition by item order by timestamp)) as end_tran,
coalesce(end_time,
lead(end_time) over (partition by item order by timestamp))
- coalesce(start_time,
lag(start_time) over (partition by item order by timestamp)) as time
from (
select item, timestamp, start_tran, start_time, end_tran, end_time
from (
select item,
timestamp,
case when lag_tran is null or transaction like 'REQ%'
then transaction end as start_tran,
case when lag_tran is null or transaction like 'REQ%'
then timestamp end as start_time,
case when lead_tran is null or lead_tran like 'REQ%'
then transaction end as end_tran,
case when lead_tran is null or lead_tran like 'REQ%'
then timestamp end as end_time
from (
select item, transaction, timestamp,
lag(transaction)
over (partition by item order by timestamp) as lag_tran,
lead(transaction)
over (partition by item order by timestamp) as lead_tran
from transactions
)
)
where start_tran is not null or end_tran is not null
)
order by item, start_tran;
Z dodatkowymi zapisami dla drugiego cyklu dla pozycji 1 i 2, które mogą dać:
ITEM START_TRAN END_TRAN TIME
---------- ---------- ---------- -----------
1 REQ-A PICKUP 0 1:53:30.0
1 REQ-E PICKUP 0 1:23:30.0
2 REQ-B MAIL 0 0:24:13.0
2 REQ-F REQ-F 0 0:0:0.0
3 REQ-C PICKUP 0 1:46:30.0
4 REQ-D PULL 0 0:23:59.0
5 REQ-A PICKUP 0 1:43:59.0
Skrzypce SQL pokazuje wszystkie etapy pośrednie.
To nie jest tak przerażające, jak mogłoby się wydawać na pierwszy rzut oka. Najbardziej wewnętrzne zapytanie pobiera nieprzetworzone dane i dodaje dodatkową kolumnę dla transakcji potencjalnej i opóźnionej. Biorąc tylko pierwszy zestaw rekordów pozycji 1, który byłby:
ITEM TRANSACTION TIMESTAMP LAG_TRAN LEAD_TRAN
---------- ----------- ------------------------ ---------- ----------
1 REQ-A 2014-07-31T09:51:32Z PULL
1 PULL 2014-07-31T10:22:21Z REQ-A TRANSFER
1 TRANSFER 2014-07-31T10:22:23Z PULL ARRIVE
1 ARRIVE 2014-07-31T11:45:01Z TRANSFER PICKUP
1 PICKUP 2014-07-31T11:45:02Z ARRIVE REQ-E
Zwróć uwagę REQ-E pojawia się jako ostatni lead_tran ? To pierwsza transaction dla drugiego cyklu ewidencji dla tej pozycji i przyda się później. Następny poziom zapytania wykorzystuje te wartości lead i lag i traktuje REQ wartości jako znaczniki początku i końca, i wykorzystuje te informacje do unieważnienia wszystkiego oprócz pierwszego i ostatniego rekordu w każdym cyklu.
ITEM TIMESTAMP START_TRAN START_TIME END_TRAN END_TIME
---------- ------------------------ ---------- ------------------------ ---------- ------------------------
1 2014-07-31T09:51:32Z REQ-A 2014-07-31T09:51:32Z
1 2014-07-31T10:22:21Z
1 2014-07-31T10:22:23Z
1 2014-07-31T11:45:01Z
1 2014-07-31T11:45:02Z PICKUP 2014-07-31T11:45:02Z
Następny poziom zapytania usuwa wszystkie wiersze, które nie reprezentują początku ani końca (lub obu - patrz REQ-F na skrzypcach), ponieważ nie jesteśmy nimi zainteresowani:
ITEM TIMESTAMP START_TRAN START_TIME END_TRAN END_TIME
---------- ------------------------ ---------- ------------------------ ---------- ------------------------
1 2014-07-31T09:51:32Z REQ-A 2014-07-31T09:51:32Z
1 2014-07-31T11:45:02Z PICKUP 2014-07-31T11:45:02Z
Mamy teraz pary wierszy dla każdego cyklu (lub pojedynczy wiersz dla REQ-F ). Końcowy poziom ponownie wykorzystuje lead i lag, aby wypełnić puste miejsca; jeśli start_tran ma wartość null, to jest wiersz końcowy i powinniśmy użyć danych początkowych poprzedniego wiersza; jeśli end_tran ma wartość null, to jest wiersz początkowy i powinniśmy użyć danych końcowych następnego wiersza.
ITEM START_TRAN START_TIME END_TRAN END_TIME TIME
1 REQ-A 2014-07-31T09:51:32Z PICKUP 2014-07-31T11:45:02Z 0 1:53:30.0
1 REQ-A 2014-07-31T09:51:32Z PICKUP 2014-07-31T11:45:02Z 0 1:53:30.0
To sprawia, że oba wiersze są takie same, więc distinct usuwa duplikaty.
