SQL---Zeppeline前驱记录与后驱记录查询

2023-12-21 21:32:54

内容导航

类别内容导航
机器学习机器学习算法应用场景与评价指标
机器学习算法—分类
机器学习算法—回归
机器学习算法—聚类
机器学习算法—异常检测
机器学习算法—时间序列
数据可视化数据可视化—折线图
数据可视化—箱线图
数据可视化—柱状图
数据可视化—饼图、环形图、雷达图
统计学检验箱线图筛选异常值
3 Sigma原则筛选离群值
Python统计学检验
大数据PySpark大数据处理详细教程
使用教程CentOS服务器搭建Miniconda环境
Linux服务器配置免密SSH
大数据集群缓存清理
面试题整理面试题—机器学习算法
面试题—推荐系统

前驱记录

为了在 SQL 查询中按特定列对数据进行分区,可以在窗口函数中使用 PARTITION BY 子句。这通常用于在执行窗口函数(如 LAG)时在某些列的值上创建数据的分区。例如,如果您想按 _distinct_id 分区数据,然后在每个分区内找到符合特定条件的记录的前一条记录,可以这样做:

WITH ExtendedTable AS (
    SELECT
        _distinct_id,
        _part_event,
        plat_id,
        _event_time,
        exception_type,
        _kudu_pt,
        LAG(_part_event) OVER (PARTITION BY _distinct_id ORDER BY _event_time) AS prev_part_event
    FROM 
        YourTable
    WHERE 
        _kudu_pt >= 20231115 AND _kudu_pt < 20231201
)

SELECT 
    COUNT(*) AS TotalCount
FROM 
    ExtendedTable
WHERE
    _part_event = 'app_exception' AND exception_type = 7
    AND 
    (
        prev_part_event LIKE 'dbt_ad%' OR 
        prev_part_event LIKE 'video%' OR 
        prev_part_event LIKE 'ad%' OR 
        prev_part_event LIKE 'Ad%' OR 
        prev_part_event LIKE 'insert%' OR 
        prev_part_event LIKE 'inters%'
    )

在这个例子中:
LAG(_part_event) OVER (PARTITION BY _distinct_id ORDER BY _event_time):此窗口函数首先按 _distinct_id 列对数据进行分区,然后在每个分区内按 _event_time 排序,从而为每条记录计算 prev_part_event。
这意味着 LAG() 函数是在每个 _distinct_id 分区内独立计算的。
请确保将 _distinct_id 替换为您实际想要用作分区依据的列名。这种方法允许您在每个分区(例如,每个用户或每个设备)内单独跟踪事件序列。

后驱记录

要查找满足特定条件(例如 _part_event = ‘app_exception’ AND exception_type = 7)的记录的后一条记录,您可以使用窗口函数 LEAD()。与 LAG() 类似,LEAD() 用于访问当前行之后的行中的数据。在您的场景中,我们将使用 LEAD() 来获取每条记录后面的 _part_event 值,然后筛选出满足您指定条件的记录。
以下是相应的 SQL 查询:

WITH ExtendedTable AS (
    SELECT
        _distinct_id,
        _part_event,
        plat_id,
        _event_time,
        exception_type,
        _kudu_pt,
        LEAD(_part_event) OVER (PARTITION BY _distinct_id ORDER BY _event_time) AS next_part_event
    FROM 
        YourTable
    WHERE 
        _kudu_pt >= 20231115 AND _kudu_pt < 20231201
)

SELECT 
    COUNT(*) AS TotalCount
FROM 
    ExtendedTable
WHERE
    _part_event = 'app_exception' AND exception_type = 7
    AND 
    (
        next_part_event LIKE 'dbt_ad%' OR 
        next_part_event LIKE 'video%' OR 
        next_part_event LIKE 'ad%' OR 
        next_part_event LIKE 'Ad%' OR 
        next_part_event LIKE 'insert%' OR 
        next_part_event LIKE 'inters%'
    )

在此查询中:
LEAD(_part_event) OVER (PARTITION BY _distinct_id ORDER BY _event_time) 用于在 _distinct_id 分区内按 _event_time 排序后,获取每条记录后面的 _part_event 值。
最后,查询从 ExtendedTable 中选择那些满足 _part_event = ‘app_exception’ AND exception_type = 7 条件的记录,并且它们的下一条记录的 _part_event 符合您指定的模式。
这个查询将返回在指定时间段内,满足 _part_event = ‘app_exception’ AND exception_type = 7 条件的记录的数量,且它们的后一条记录符合特定的 _part_event 模式。

友情提示如果你觉得这个博客对你有帮助,请点赞、评论和分享吧!如果你有任何问题或建议,也欢迎在评论区留言哦!!!

文章来源:https://blog.csdn.net/weixin_41620184/article/details/135139970
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。