Postgresql क्वेरी में कई सन्निहित श्रेणियों की शुरुआत और अंत का कुशल चयन करें

Question

मुझे तालिका में डेटा की लगभग एक बिलियन पंक्तियाँ मिली हैं जिनका नाम और श्रेणी 1-2 1-2 है। किसी दिए गए नाम के लिए , प्रत्येक इंट अद्वितीय है, और सीमा में हर संभव पूर्णांक मौजूद नहीं है - इसलिए अंतराल हैं।

यह क्वेरी एक उदाहरण का मामला उत्पन्न करती है:

--what I have:
SELECT *
FROM ( VALUES ('foo', 2),
              ('foo', 3),
              ('foo', 4),
              ('foo', 10),
              ('foo', 11),
              ('foo', 13),
              ('bar', 1),
              ('bar', 2),
              ('bar', 3)
     ) AS baz ("name", "int")

मैं प्रत्येक नाम और अनुक्रमित पूर्णांकों के अनुक्रम के लिए एक पंक्ति के साथ एक लुकअप तालिका उत्पन्न करना चाहता हूं। इस तरह की प्रत्येक पंक्ति में शामिल होंगे:

नाम - नाम कॉलम
प्रारंभ का मान - सन्निहित अनुक्रम
अंत में पहला पूर्णांक - सन्निहित अनुक्रम
अवधि में अंतिम मान - अंत - प्रारंभ + 1

यह क्वेरी उपरोक्त उदाहरण के लिए उदाहरण आउटपुट उत्पन्न करती है:

--what I need:
SELECT * 
FROM ( VALUES ('foo', 2, 4, 3),
              ('foo', 10, 11, 2),
              ('foo', 13, 13, 1),
              ('bar', 1, 3, 3)
     ) AS contiguous_ranges ("name", "start", "end", span)

क्योंकि मेरे पास इतनी पंक्तियाँ हैं, अधिक कुशल बेहतर है। उस ने कहा, मुझे केवल एक बार इस क्वेरी को चलाना है, इसलिए यह एक पूर्ण आवश्यकता नहीं है।

अग्रिम में धन्यवाद!

संपादित करें:

मुझे यह जोड़ना चाहिए कि PL / pgSQL समाधान का स्वागत है (कृपया किसी भी फैंसी ट्रिक्स की व्याख्या करें - मैं अभी भी PL / pgSQL के लिए नया हूं)।

Comments

मुझे छोटी सी विखंडू में तालिका को संसाधित करने का एक तरीका मिलेगा (शायद एन बाल्टी में "नाम" द्वारा हैशिंग, या नाम के पहले / अंतिम अक्षर को लेने के लिए), ताकि स्मृति में एक प्रकार फिट हो। यह संभावना है कि तालिका को स्कैन करने से डिस्क पर एक तरह का स्पिल देने की तुलना में कई तालिकाओं को स्कैन करना तेजी से होगा। एक बार मेरे पास था, मैं खिड़की के कार्यों का उपयोग करके जाऊंगा। इसके अलावा, डेटा में पैटर्न का दोहन करने के लिए मत भूलना। हो सकता है कि अधिकांश "नाम" में वास्तव में 288 मूल्यों की गिनती हो, जिस स्थिति में आप उन मूल्यों को मुख्य प्रक्रिया से बाहर कर सकते हैं। बेतरतीब

महान - और साइट पर आपका स्वागत है। क्या आपको प्रदान किए गए समाधानों के साथ कोई भाग्य है?

— जैक डगलस

धन्यवाद। मैंने वास्तव में इस प्रश्न को पोस्ट करने के कुछ समय बाद ही परियोजनाएं बदल दीं (और इसके तुरंत बाद, मैंने नौकरी बदल दी), इसलिए मुझे इन समाधानों का परीक्षण करने का कभी मौका नहीं मिला। ऐसे मामले में जवाब चुनने के संदर्भ में मुझे क्या करना चाहिए?

— स्टू

Answer 1

कैसे उपयोग के बारे में with recursive

परीक्षण दृश्य:

create view v as 
select *
from ( values ('foo', 2),
              ('foo', 3),
              ('foo', 4),
              ('foo', 10),
              ('foo', 11),
              ('foo', 13),
              ('bar', 1),
              ('bar', 2),
              ('bar', 3)
     ) as baz ("name", "int");

क्वेरी:

with recursive t("name", "int") as ( select "name", "int", 1 as span from v
                                     union all
                                     select "name", v."int", t.span+1 as span
                                     from v join t using ("name")
                                     where v."int"=t."int"+1 )
select "name", "start", "start"+span-1 as "end", span
from( select "name", ("int"-span+1) as "start", max(span) as span
      from ( select "name", "int", max(span) as span 
             from t
             group by "name", "int" ) z
      group by "name", ("int"-span+1) ) z;

परिणाम:

 name | start | end | span
------+-------+-----+------
 foo  |     2 |   4 |    3
 foo  |    13 |  13 |    1
 bar  |     1 |   3 |    3
 foo  |    10 |  11 |    2
(4 rows)

मुझे यह जानने में दिलचस्पी होगी कि आपके बिलियन रो टेबल पर यह कैसा प्रदर्शन करता है।

Comments

यदि प्रदर्शन एक समस्या है, तो work_mem के लिए सेटिंग्स के साथ खेलना प्रदर्शन को बेहतर बनाने में मदद कर सकता है।

— फ्रैंक हाइकेन

Answer 2

आप इसे विंडोिंग फ़ंक्शन के साथ कर सकते हैं। मूल विचार का उपयोग करना हैleadlag वर्तमान पंक्ति के आगे और पीछे की पंक्तियों को खींचने के लिए फ़ंक्शंस और विंडोिंग करना है। तब हम गणना कर सकते हैं कि हमारे पास अनुक्रम का प्रारंभ या अंत है:

create temp view temp_view as
    select
        n,
        val,
        (lead <> val + 1 or lead is null) as islast,
        (lag <> val - 1 or lag is null) as isfirst,
        (lead <> val + 1 or lead is null) and (lag <> val - 1 or lag is null) as orphan
    from
    (
        select
            n,
            lead(val, 1) over( partition by n order by n, val),
            lag(val, 1) over(partition by n order by n, val ),
            val
        from test
        order by n, val
    ) as t
;  
select * from temp_view;
 n  | val | islast | isfirst | orphan 
-----+-----+--------+---------+--------
 bar |   1 | f      | t       | f
 bar |   2 | f      | f       | f
 bar |   3 | t      | f       | f
 bar |  24 | t      | t       | t
 bar |  42 | t      | t       | t
 foo |   2 | f      | t       | f
 foo |   3 | f      | f       | f
 foo |   4 | t      | f       | f
 foo |  10 | f      | t       | f
 foo |  11 | t      | f       | f
 foo |  13 | t      | t       | t
(11 rows)

(मैंने एक दृष्टिकोण का उपयोग किया है ताकि तर्क का पालन करना आसान हो जाए।) तो अब हम जानते हैं कि क्या पंक्ति एक शुरुआत है या एक अंत है। हमें उस पंक्ति में ढलना होगा:

select
    n as "name",
    first,
    coalesce (last, first) as last,
    coalesce (last - first + 1, 1) as span
from
(
    select
    n,
    val as first,
    -- this will not be excellent perf. since were calling the view
    -- for each row sequence found. Changing view into temp table 
    -- will probably help with lots of values.
    (
        select min(val)
        from temp_view as last
        where islast = true
        -- need this since isfirst=true, islast=true on an orphan sequence
        and last.orphan = false
        and first.val < last.val
        and first.n = last.n
    ) as last
    from
        (select * from temp_view where isfirst = true) as first
) as t
;

 name | first | last | span 
------+-------+------+------
 bar  |     1 |    3 |    3
 bar  |    24 |   24 |    1
 bar  |    42 |   42 |    1
 foo  |     2 |    4 |    3
 foo  |    10 |   11 |    2
 foo  |    13 |   13 |    1
(6 rows)

मुझे सही लगता है :)

Answer 3

एक और विंडो फ़ंक्शन समाधान। दक्षता के बारे में कोई विचार नहीं है, मैंने निष्पादन योजना को अंत में जोड़ा है (हालांकि इतनी कम पंक्तियों के साथ, यह शायद बहुत अधिक मूल्य का नहीं है)। यदि आप खेलना चाहते हैं: SQL-Fiddle परीक्षण

तालिका और डेटा:

CREATE TABLE baz
( name VARCHAR(10) NOT NULL
, i INT  NOT NULL
, UNIQUE  (name, i)
) ;

INSERT INTO baz
  VALUES 
    ('foo', 2),
    ('foo', 3),
    ('foo', 4),
    ('foo', 10),
    ('foo', 11),
    ('foo', 13),
    ('bar', 1),
    ('bar', 2),
    ('bar', 3)
  ;

प्रश्न:

SELECT a.name     AS name
     , a.i        AS start
     , b.i        AS "end"
     , b.i-a.i+1  AS span
FROM
      ( SELECT name, i
             , ROW_NUMBER() OVER (PARTITION BY name ORDER BY i) AS rn
        FROM baz AS a
        WHERE NOT EXISTS
              ( SELECT * 
                FROM baz AS prev
                WHERE prev.name = a.name
                  AND prev.i = a.i - 1
              ) 
      ) AS a
    JOIN
      ( SELECT name, i 
             , ROW_NUMBER() OVER (PARTITION BY name ORDER BY i) AS rn
        FROM baz AS a
        WHERE NOT EXISTS
              ( SELECT * 
                FROM baz AS next
                WHERE next.name = a.name
                  AND next.i = a.i + 1
              )
      ) AS b
    ON  b.name = a.name
    AND b.rn  = a.rn
 ; 

क्वेरी योजना

Merge Join (cost=442.74..558.76 rows=18 width=46)
Merge Cond: ((a.name)::text = (a.name)::text)
Join Filter: ((row_number() OVER (?)) = (row_number() OVER (?)))
-> WindowAgg (cost=221.37..238.33 rows=848 width=42)
-> Sort (cost=221.37..223.49 rows=848 width=42)
Sort Key: a.name, a.i
-> Merge Anti Join (cost=157.21..180.13 rows=848 width=42)
Merge Cond: (((a.name)::text = (prev.name)::text) AND (((a.i - 1)) = prev.i))
-> Sort (cost=78.60..81.43 rows=1130 width=42)
Sort Key: a.name, ((a.i - 1))
-> Seq Scan on baz a (cost=0.00..21.30 rows=1130 width=42)
-> Sort (cost=78.60..81.43 rows=1130 width=42)
Sort Key: prev.name, prev.i
-> Seq Scan on baz prev (cost=0.00..21.30 rows=1130 width=42)
-> Materialize (cost=221.37..248.93 rows=848 width=50)
-> WindowAgg (cost=221.37..238.33 rows=848 width=42)
-> Sort (cost=221.37..223.49 rows=848 width=42)
Sort Key: a.name, a.i
-> Merge Anti Join (cost=157.21..180.13 rows=848 width=42)
Merge Cond: (((a.name)::text = (next.name)::text) AND (((a.i + 1)) = next.i))
-> Sort (cost=78.60..81.43 rows=1130 width=42)
Sort Key: a.name, ((a.i + 1))
-> Seq Scan on baz a (cost=0.00..21.30 rows=1130 width=42)
-> Sort (cost=78.60..81.43 rows=1130 width=42)
Sort Key: next.name, next.i
-> Seq Scan on baz next (cost=0.00..21.30 rows=1130 width=42)

Answer 4

SQL सर्वर पर, मैं पिछले नाम से एक और कॉलम जोड़ूंगा:

SELECT *
FROM ( VALUES ('foo', 2, NULL),
              ('foo', 3, 2),
              ('foo', 4, 3),
              ('foo', 10, 4),
              ('foo', 11, 10),
              ('foo', 13, 11),
              ('bar', 1, NULL),
              ('bar', 2, 1),
              ('bar', 3, 2)
     ) AS baz ("name", "int", "previousInt")

मैं यह सुनिश्चित करने के लिए एक CHECK बाधा का उपयोग करूंगा कि पिछलेInt <int, और एक FK बाधा (नाम, पिछलाInt) का उल्लेख (नाम, int), और एक जोड़ी अधिक बाधाओं को वॉटरटाइट डेटा अखंडता सुनिश्चित करने के लिए किया जाए। किया गया, अंतराल का चयन तुच्छ है:

SELECT NAME, PreviousInt, Int from YourTable WHERE PreviousInt < Int - 1;

इसे गति देने के लिए, मैं एक फ़िल्टर्ड इंडेक्स बना सकता हूं जिसमें केवल अंतराल शामिल होगा। इसका मतलब यह है कि आपके सभी अंतराल पूर्वनिर्मित हैं, इसलिए चयन बहुत तेज हैं, और बाधाएं आपके पूर्ववर्ती डेटा की अखंडता को सुनिश्चित करती हैं। मैं ऐसे समाधानों का बहुत उपयोग कर रहा हूं, वे सभी मेरे सिस्टम पर हैं।

Answer 5

आप टैबिबिटोसन विधि की तलाश कर सकते हैं:

https://community.oracle.com/docs/DOC-915680
http://rwijk.blogspot.com/2014/01/tabibitosan.html
https://www.xaprb.com/blog/2006/03/22/find-contiguous-ranges-with-sql/

मूल रूप से:

SQL> create table mytable (nr)
  2  as
  3  select 1 from dual union all
  4  select 2 from dual union all
  5  select 3 from dual union all
  6  select 6 from dual union all
  7  select 7 from dual union all
  8  select 11 from dual union all
  9  select 18 from dual union all
 10  select 19 from dual union all
 11  select 20 from dual union all
 12  select 21 from dual union all
 13  select 22 from dual union all
 14  select 25 from dual
 15  /

 Table created.

 SQL> with tabibitosan as
 2  ( select nr
 3         , nr - row_number() over (order by nr) grp
 4      from mytable
 5  )
 6  select min(nr)
 7       , max(nr)
 8    from tabibitosan
 9   group by grp
10   order by grp
11  /

   MIN(NR)    MAX(NR)
---------- ----------
         1          3
         6          7
        11         11
        18         22
        25         25

5 rows selected.

मुझे लगता है कि यह प्रदर्शन बेहतर है:

SQL> r
  1  select min(nr) as range_start
  2    ,max(nr) as range_end
  3  from (-- our previous query
  4    select nr
  5      ,rownum
  6      ,nr - rownum grp
  7    from  (select nr
  8       from   mytable
  9       order by 1
 10      )
 11   )
 12  group by grp
 13* order by 1

RANGE_START  RANGE_END
----------- ----------
      1      3
      6      7
     11     11
     18     22
     25     25

Answer 6

एक कठिन योजना:

• प्रत्येक नाम के लिए न्यूनतम का चयन करें, (नाम से समूह)
• प्रत्येक नाम के लिए न्यूनतम 2 का चयन करें, जहां min2> min1 और मौजूद नहीं है (सबक्वेरी: SEL min2-1)।
• सेल अधिकतम वैल 1> न्यूनतम वैल 1 जहां अधिकतम वैल 1 <मिनट वैल 2 है।

2 से दोहराएँ। जब तक कि कोई और अपडेट न हो जाए। वहाँ से यह जटिल हो जाता है, गोर्डियन, अधिकतम खनन और अधिकतम के समूह के साथ। मुझे लगता है कि मैं एक प्रोग्रामिंग भाषा के लिए जाऊंगा।

पुनश्च: कुछ नमूना मूल्यों के साथ एक अच्छी नमूना तालिका ठीक होगी, जिसका उपयोग हर कोई कर सकता है, इसलिए हर कोई खरोंच से अपना टेस्टाटा नहीं बनाता है।

Answer 7

यह समाधान नैट सी से प्रेरित है विंडो कार्यों और OVER क्लॉज का उपयोग करके के उत्तर । दिलचस्प रूप से पर्याप्त है, कि उत्तर बाह्य संदर्भों के साथ उपश्रेणियों में वापस लौटता है। एक और स्तर की विंडोिंग फ़ंक्शन का उपयोग करके पंक्ति समेकन को पूरा करना संभव है। यह बहुत सुंदर नहीं लग सकता है, लेकिन मुझे लगता है कि यह अधिक कुशल है क्योंकि यह शक्तिशाली विंडोिंग फ़ंक्शन के अंतर्निहित तर्क का उपयोग करता है।

मुझे नैट के समाधान से एहसास हुआ कि पंक्तियों के शुरुआती सेट ने पहले से ही आवश्यक झंडे 1 को उकसाया) बीच में अतिरिक्त पंक्तियों को खत्म करने के लिए शुरुआती और समाप्ति रेंज मान और 2) का चयन करें। क्वेरी ने सब-वेरीज़ को दो गहनता से विभाजित किया है, केवल विंडोिंग फ़ंक्शंस की सीमाओं के कारण, जो स्तंभ एलियास का उपयोग कैसे किया जा सकता है, इसे प्रतिबंधित करता है। तार्किक रूप से मैं सिर्फ एक नेस्टेड सबक्वेरी के साथ परिणाम तैयार कर सकता था।

कुछ अन्य नोट : निम्नलिखित SQLite3 के लिए कोड है। SQLite बोली postgresql से ली गई है, इसलिए यह बहुत समान है और यहां तक ​​कि बिना काम किए भी हो सकती है। मैं, से अधिक खंड के लिए तैयार प्रतिबंध जोड़ा के बाद से lag()और lead()कार्यों केवल पहले और क्रमशः के बाद (तो वहाँ के डिफ़ॉल्ट सेट रखने के लिए कोई जरूरत नहीं थी, एक एकल पंक्ति खिड़की की जरूरत है सभी पूर्ववर्ती पंक्तियाँ)। मैंने नामों का विकल्प भी चुना है firstऔर lastचूंकि शब्द endआरक्षित है।

create temp view test as 
with cte(name, int) AS (
select * from ( values ('foo', 2),
              ('foo', 3),
              ('foo', 4),
              ('foo', 10),
              ('foo', 11),
              ('foo', 13),
              ('bar', 1),
              ('bar', 2),
              ('bar', 3) ))
select * from cte;


SELECT name,
       int AS first, 
       endpoint AS last,
       (endpoint - int + 1) AS span
FROM ( SELECT name, 
             int, 
             CASE WHEN prev <> 1 AND next <> -1 -- orphan
                  THEN int
                WHEN next = -1 -- start of range
                  THEN lead(int) OVER (PARTITION BY name 
                                       ORDER BY int 
                                       ROWS BETWEEN CURRENT ROW AND 1 FOLLOWING)
                ELSE null END
             AS endpoint
        FROM ( SELECT name, 
                   int,
                   coalesce(int - lag(int) OVER (PARTITION BY name 
                                                 ORDER BY int 
                                                 ROWS BETWEEN 1 PRECEDING AND CURRENT ROW), 
                            0) AS prev,
                   coalesce(int - lead(int) OVER (PARTITION BY name 
                                                  ORDER BY int 
                                                  ROWS BETWEEN CURRENT ROW AND 1 FOLLOWING),
                            0) AS next
              FROM test
            ) AS mark_boundaries
        WHERE NOT (prev = 1 AND next = -1) -- discard values within range
      ) as raw_ranges
WHERE endpoint IS NOT null
ORDER BY name, first

परिणाम अन्य उत्तरों की तरह ही हैं, जैसा कि एक को उम्मीद है:

 name | first | last | span
------+-------+------+------
 bar  |     1 |    3 |   3
 foo  |     2 |    4 |   3
 foo  |    10 |   11 |   2
 foo  |    13 |   13 |   1