SQL:计算日复一日的重复用户百分比

Question

我有一个 events 表，其中包含 user_id 和 created_at 列。

我想弄清楚的是在events 表中每天重复输入的用户百分比。

因此，如果第 d1 日有 user_id[a,b,c]，并且第 d2 日有user_ids [b,d,e]，那么b是三者中唯一重复的user_id(来自 d1)，d1 和 d2 之间有 33% 的重叠。

我希望能够将其延长任意天数。

有问题的模式:

CREATE TABLE events (
  events_id serial PRIMARY KEY
, user_id VARCHAR(255) NOT NULL
, created_at datetime NOT NULL
);

这是一个大表，每天有大约 25MM 行，每天有大约 4.5MM 不同的 user_id。

示例数据集:

+---------+---------------------+
| user_id |     created_at      |
+---------+---------------------+
| bob     | 2014-12-02 11:11:11 |
| sally   | 2014-12-02 12:12:11 |
| zed     | 2014-12-02 12:22:11 |
|         | ...                 |
| chris   | 2014-12-03 11:13:11 |
| mark    | 2014-12-03 11:11:13 |
| zed     | 2014-12-03 11:11:33 |
|         | ...                 |
| sydney  | 2014-12-04 11:14:11 |
| zed     | 2014-12-04 11:44:11 |
| chris   | 2014-12-04 11:44:11 |
|         | ...                 |
| sydney  | 2014-12-05 11:15:11 |
| zed     | 2014-12-05 11:55:11 |
| chris   | 2014-12-05 11:55:15 |
| sandy   | 2014-12-05 11:55:51 |
| sydney  | 2014-12-05 11:55:55 |
+---------+---------------------+

预期输出:

+------------+---------------------------+
|    day     | returning_user_percentage |
+------------+---------------------------+
| 2014-12-02 | NULL                      |
| 2014-12-03 | 33                        |
| 2014-12-04 | 66                        |
| 2014-12-05 | 75                        |
+------------+---------------------------+

此外，第 2 部分可能要简单得多:我想知道每天有多少新用户，其中"new"表示 user_id 以前从未见过。

Answer 1

假设 created_at 是一个没有时间成分的日期:

select e.created_at,
       avg(case when eprev.user_id is not null then 1.0 else 0.0 end) as overlap
from events e left join
     events eprev
     on e.created_at = eprev.created_at + interval '1' day and e.user_id = eprev.user_id
group by e.created_at