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?
最佳答案
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。
关于sql - dense_rank 的最佳查询以查找倍数,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/39604109/