sql - dense_rank 的最佳查询以查找倍数

Question

我正在查询网络流量模式以确定哪些访问是初始访问，哪些是返回。

我有两个表 SESSION 和 ALIAS。

CREATE TABLE alias (
  person_id vachar(24),
  alias varchar(24)
)

CREATE TABLE session (
  session_id vachar(24),
  alias varchar(24)  -- FK to alias
  last_seen timestamp
)

session 表代表别名的网络访问，别名表包含一个人的别名。我正在尝试创建一个 session View ，允许我将 session 标记为某人“首次访问”或某人“回访”(因此连接到下面的别名)。

到目前为止，我的解决方案是使用具有 dense_rank 的窗口函数，如下所示。

CREATE VIEW session_augmented as (
    SELECT S.session_id, S.last_seen, ....
     CASE 
        WHEN dense_rank() 
            OVER (partition by A.person_id COLLATE "C" ORDER by S.last_seen ) = 1 
        THEN 'First Visit' 
        ELSE 'Return Visit' 
     END as visit_type
    FROM session S
    JOIN alias A ON (S.person_alias = A.alias)

)

我已经创建了涵盖查询范围的索引，包括上面的连接。

下面的解释显示了 session 上的序列扫描，即使 person_alias 列已被索引。下面是解释: https://explain.depesz.com/s/2LJ

查询运行速度比我希望的要慢，有没有办法优化？有没有更好的方法可以达到我想要的结果？

Answer 1

Rank、Dense Rank 和任何涉及排序的事情都将是平均情况 O(n log n)，这对于非常大的数据集来说可能会变得非常压抑。在这种情况下，我认为您可以使用 min 分析函数，它应该是最好、最坏和平均情况 O(n)。

SELECT S.session_id, S.last_seen, ....
 CASE 
    WHEN min (S.last_seen)
        over (partition by a.person_id) = s.last_seen
    THEN 'First Visit' 
    ELSE 'Return Visit' 
 END as visit_type
FROM session S
JOIN alias A ON (S.person_alias = A.alias)

虽然我怀疑这对您描述的情况是否重要，但如果理论上可以让一个人同时登录两次，那么这将失败，因为它会返回两条记录。也就是说，您的查询会遇到同样的问题，而且我什至认为这不可能 - 我只是想提请您注意。

就其值(value)而言，窗口函数绝对是最佳选择。我看到的唯一明智的选择是用某种编程语言编写包装器。我怀疑您会发现 min 函数有很大改进。