按邻近时间戳划分的SQL查询组

我有一个带有时间戳列的表。我希望能够按标识符列（如cusip）分组，在另一列（如数量）上求和，但仅限于彼此相隔30秒的行，即不在固定的30秒桶间隔内。鉴于数据：

cusip| quantity| timestamp ============|=========|============= BE0000310194| 100| 16:20:49.000 BE0000314238| 50| 16:38:38.110 BE0000314238| 50| 16:46:21.323 BE0000314238| 50| 16:46:35.323 cusip |数量|时间戳 ============|=========|============= BE0000310194 | 100 | 16:20:49.000 BE0000314238 | 50 | 16:38:38.110 BE0000314238 | 50 | 16:46:21.323 BE0000314238 | 50 | 16:46:35.323 我想编写一个查询，返回：

cusip| quantity ============|========= BE0000310194| 100 BE0000314238| 50 BE0000314238| 100 cusip |数量 ============|========= BE0000310194 | 100 BE0000314238 | 50 BE0000314238 | 100 编辑：

---

此外，如果我还可以从查询中获取MIN（时间戳），这将大大简化工作。

以下内容可能会对您有所帮助

一组30秒的周期，表示给定时间的形式。这里是“2012-01-01 00:00:00”。DATEDIFF统计时间戳值和声明时间之间的秒数。然后将其除以30得到分组列

SELECT MIN(TimeColumn) AS TimeGroup, SUM(Quantity) AS TotalQuantity FROM YourTable
GROUP BY (DATEDIFF(ss, TimeColumn, '2012-01-01') / 30)

---

在这里，每个组的最小时间戳将作为时间组输出。但您可以使用最大值或甚至分组列值可以再次转换为时间来显示。

查看上述注释，我假设Chris的第一个场景就是您想要的场景（尽管值1和值3彼此之间的间隔不在30秒内，但每个值都在值2的间隔30秒内，但所有3个都会被分组）。还要假设表中的每一行都有一个称为“ID”的唯一ID。您可以执行以下操作：

创建新分组，确定分区中的前一行是否比当前行落后30秒以上（例如，确定是否需要新的30秒分组，或继续上一个分组）。我们称之为家长id

总数量超过父项id（加上任何其他聚合）

代码可能是这样的

select
    sub.parent_id,
    sub.cusip,
    min(sub.timestamp) min_timestamp,
    sum(sub.quantity) quantity
from 
    (
        select
            base_sub.*,
            case
                when base_sub.self_parent_id is not null
                then base_sub.self_parent_id
                else lag(base_sub.self_parent_id) ignore nulls over (
                    partition by
                        my_table.cusip
                    order by
                        my_table.timestamp,
                        my_table.id
                    ) parent_id
        from 
            (
                select
                    my_table.id,
                    my_table.cusip,
                    my_table.timestamp,
                    my_table.quantity,
                    lag(my_table.timestamp) over (
                        partition by
                            my_table.cusip
                        order by
                            my_table.timestamp,
                            my_table.id
                        ) previous_timestamp,
                    case
                        when datediff(
                            second, 
                            nvl(previous_timestamp, to_date('1900/01/01', 'yyyy/mm/dd')),
                            my_table.timestamp) > 30
                        then my_table.id
                        else null
                    end self_parent_id
                from
                    my_table
            ) base_sub
    ) sub
group by
    sub.time_group_parent_id,
    sub.cusip

---

从Sean G解决方案中，我删除了完整表上的Group By。事实上，为Oracle SQL重新调整了几个部分

在找到上一次之后，首先分配自父id。如果在上一次中有空值，那么我们排除给它一个id

现在基于通过避免空值获取最近的自父id，以便所有最近的30秒cusip都属于一个组

由于有一个CUSIP列，我假设数据集将是大型市场交易数据。在完整的表上使用GROUPBY，而使用CUSIP分区和最终的组父ID，以获得更好的性能

SELECT
id,
sub.parent_id,
sub.cusip,
timestamp,
quantity,
sum(sub.quantity) OVER(
    PARTITION BY cusip, parent_id
) sum_quantity,
MIN(sub.timestamp) OVER(
    PARTITION BY cusip, parent_id
) min_timestamp
FROM
(
    SELECT
        base_sub.*,
        CASE
            WHEN base_sub.self_parent_id IS NOT NULL THEN
                base_sub.self_parent_id
            ELSE
                LAG(base_sub.self_parent_id) IGNORE NULLS OVER(
                    PARTITION BY cusip
                    ORDER BY
                        timestamp, id
                )
        END parent_id
    FROM
        (
            SELECT
                c.*,
                CASE
                    WHEN nvl(abs(EXTRACT(SECOND FROM to_timestamp(previous_timestamp, 'yyyy/mm/dd hh24:mi:ss') - to_timestamp
                    (timestamp, 'yyyy/mm/dd hh24:mi:ss'))), 31) > 30 THEN
                        id
                    ELSE
                        NULL
                END self_parent_id
            FROM
                (
                    SELECT
                        my_table.id,
                        my_table.cusip,
                        my_table.timestamp,
                        my_table.quantity,
                        LAG(my_table.timestamp) OVER(
                            PARTITION BY my_table.cusip
                            ORDER BY
                                my_table.timestamp, my_table.id
                        ) previous_timestamp
                    FROM
                        my_table
                ) c
        ) base_sub
) sub

下面是表中的行

输入数据：

下面是输出

结果

---

考虑值1:01、1:22、1:45。第一个值和最后一个值都在中间值的30秒内，但彼此之间的距离不在30秒内。这是多少组？一个-它们都被分组在一起（但是外部值之间的间隔不是30秒）？两个-中间值组和两个外部值在30秒内相同（因此计数两次）？在实践中，变量一总是正确的。找出第一个时间戳组的逻辑是什么？这些语句中哪一个是正确的？（a） 当时间戳不晚于组中的最小时间戳30秒（即，组最多可跨越30秒）时，对行进行分组；或者（b）当时间戳不超过组中前一个时间戳的30秒时，对行进行分组（也就是说，组中包含的行数与快速连续出现的行数相同，即使可能跨越30秒）。Chris，在我看来，这就像是对第一个问题的重新表述，答案仍然是一样的，实际上，一个小组从开始到结束的时间最多为30秒。在绝大多数情况下，这实际上只需要几秒钟。但老实说，我想我可以让任何一种变体都起作用。您有针对这两个方面的纯SQL解决方案吗？现在我不得不求助于获取所有条目，并在perl中进行操作以按程序进行分组。由于我在原始帖子中提到的“非30秒桶间隔”，这将不起作用。