Sql 根据时间、id和事件类型从未排序的事件表中删除某些事件
TL;DR:我正在尝试从传入事件列表中删除某类事件的重复。我有500-2000万张唱片。应删除缩进线:Sql 根据时间、id和事件类型从未排序的事件表中删除某些事件,sql,tsql,sql-server-2005,Sql,Tsql,Sql Server 2005,TL;DR:我正在尝试从传入事件列表中删除某类事件的重复。我有500-2000万张唱片。应删除缩进线: sn# time mo method 02848 1504725241 R P 02848 1504725365 R F1.0 02848 1504725366 R F1.6 02848 1504725366 R F2.0 02848 1504727651 R P 02848 1504727681
sn# time mo method
02848 1504725241 R P
02848 1504725365 R F1.0
02848 1504725366 R F1.6
02848 1504725366 R F2.0
02848 1504727651 R P
02848 1504727681 R P
02848 1504727741 R F1.0
02848 1504728165 R E
详细说明:
为了提供一些上下文,这些是用户执行的操作。其中模式是用户正在使用的服务类型。方法就是用户所做的。例如,P是暂停的缩写,F是快进的缩写
我正在处理的表具有以下结构:
CREATE TABLE events
([serialnumber] int, [time] int, [mode] varchar(1), [method] varchar(4))
它每小时更新500万到2000万条记录。
使用上面的示例数据
我希望创建会话以填写下表:
CREATE TABLE sessions(serialnumber int, mode varchar(1), method varchar(1), startTime int, endTime int);
我试图实现的是基于这些事件创建会话,并使用一个重要的过滤器。我不想用方法F重复事件,我只想要第一个F事件,连接到下一个非F事件。也就是说,对于上述内容,我希望在处理后有以下会话,即我期望的结果是:
#sn metho mod starttime endtime
02848 R P 1504725241 1504725365
02848 R F 1504725365 1504727651
02848 R P 1504727651 1504727681
02848 R P 1504727681 1504727741
02848 R F 1504727741 1504728165
此处F1.0、F1.6、F2.0等已更改为F,一组F事件的第一个时间戳保留,重复已删除。由于有大量的记录,我很难有效地做到这一点
截至目前,我正在尝试以下方法:
更新表时,删除所有F事件,但每组F事件中的第一个事件(pr序列号)除外。
使用交叉应用(cross-apply)很像LAG函数来生成会话列表。
此的完整SQL代码如下所示:
--Delete recurring F events
DELETE outside
FROM events AS outside
CROSS APPLY
(
SELECT TOP 1 inside.[Time]
FROM events inside
WHERE outside.serialnumber = inside.serialnumber
AND (outside.[Time] > inside.[Time]
OR (outside.[Time] = inside.[Time]
AND outside.[method] != inside.[method]
)
)
AND LEFT(outside.[method],1) = 'F'
AND LEFT(inside.[method],1) = 'F'
AND NOT EXISTS
(SELECT innerInside.[Time] FROM events innerInside
WHERE innerInside.serialnumber = inside.serialnumber
AND innerInside.[Time] <= outside.[Time]
AND innerInside.[Time] > inside.[Time]
AND LEFT(innerInside.[method],1) != 'F'
)
ORDER BY inside.[Time] DESC
) processed_inside
--Create sessions from events
SELECT serialnumber
,outside.[mode]
,LEFT(outside.[method],1) AS 'Method'
,outside.[Time] AS 'SessionStart'
,processed_inside.[Time] AS 'SessionEnd'
FROM events AS outside
CROSS APPLY
(
SELECT MIN( inside.[Time]) AS 'Time'
FROM events AS inside
WHERE outside.serialnumber = inside.serialnumber
AND outside.[Time] < inside.[Time]
) processed_inside
WHERE processed_inside.[Time] IS NOT NULL
这是可行的,但删除步骤慢得令人无法忍受。下面是删除步骤的实际执行计划的图片。
请注意,这是实际的数据库,因此它看起来与本文中的简化示例略有不同
我也考虑过将第1步作为第2步的一部分,但没有找到任何有意义的方法。最后,我正在寻找一种方法,在不生成太多会话的情况下高效地创建会话,从而删除F类型的事件
如果您一直在这里,可以在这里找到SQLFIDLE:。在这里,我添加了上述两个函数。输出表是所需的结果
如果您能给我任何帮助,我将不胜感激。第二次更新20171009 15:35
这应该可以处理所有的样本数据。
关于先前版本的附加组件的一些说明:
Q1查询或RN=1和方法='F'中的最后一个条件是离开last
F,因为后者对于计算聚合F的结束时间很有用
在Q11中,我使用两行_数来查找连续的方法和
在WHERE条件中,除了
最后一个,如果有的话
在带有的最后一个查询Q2中,使用SELECT TOP计算结束时间
1.
最后一个WHERE条件是如果出现结束但
已累积的F方法见上文第1点
也看看我在以前的版本中说了些什么。
更新20171009-目前仅适用于2848
我修改了前面的查询请参见底部,以解决连续F1.0、Fx.xx、…、F1.0 id est的必要条件,您可以使用F1.0开始和结束一系列Fs。
我认为,如果有一天您将迁移到MSSQLS2008+,可能会找到更好的解决方案。以下内容应适用于MSSQL2005
关于性能:
我将PK添加到数据集EVENTS_PK主键serialnumber、mode、method、[time],我在EVENTS serialnumber、time上添加了索引EVENTS_IXN01
实际上,对于您的示例数据,我的查询只使用index EVENTS_IXN01,但是如果您不创建PK,我认为您应该在其中包含一些列。
我认为可以做一些其他的改进,例如,如果你把方法的第一个字母从其余字母中分离出来。
如果您决定只查询一段时间窗口,则可以获得其他改进。在这种情况下,您需要更改/创建索引
WITH Q1 AS (SELECT *
FROM (SELECT serialnumber, [time] AS TTIME, mode, LEFT(method,1) AS method
FROM events
WHERE (LEFT(method,1)<>'F' OR SUBSTRING(method,2,3)='1.0')
AND serialnumber=02848 /* test*/
)A
)
, Q2 AS (SELECT Q1.serialnumber
, Q1.mode
, Q1.method
, Q1.TTIME AS starttime
, (SELECT TOP 1 TTIME FROM Q1 Q2 WHERE Q2.TTIME>Q1.TTIME AND Q2.SERIALNUMBER=Q1.SERIALNUMBER ORDER BY Q2.TTIME) AS endtime
FROM Q1
)
SELECT Q4.serialnumber
,Q4.mode
,Q4.method
,Q4.starttime
,Q4.endtime
FROM (
SELECT Q2.serialnumber
,Q2.mode
,Q2.method
,Q2.starttime
,Q2.endtime+COALESCE(Q3.endtime-Q3.starttime,0) AS endtime
,Q3.starttime AS dupF_starttime
FROM Q2
LEFT JOIN Q2 Q3 ON Q2.serialnumber=Q3.serialnumber AND Q2.mode=Q3.mode AND Q2.method=Q3.method AND Q2.endtime=Q3.starttime AND Q2.method='F'
) Q4
WHERE dupF_starttime IS NULL
ORDER BY serialnumber, starttime;
先前的
这不是一个明确的答案。这是我找到的唯一张贴它的方法
它不尊重您在评论中观察到的点,而假设第一个始终是“F1.0”,您不能假设最后一个永远不是“F1.0”
现在我必须离开了,我假设在一系列的Fs中F1.0是不能重复的,我知道,这不是你们要问的。
因此,我只对序列号02848使用,在这里,我从SQLFIDLE上的示例数据中删除了行02848、1504728208、“T”、“F1.0”
也许星期一我可以继续查询,或者它可以给你一些建议
WITH Q1 AS (SELECT *
FROM (SELECT serialnumber, [time] AS TTIME, mode, LEFT(method,1) AS method
FROM events
WHERE 1=1
AND (LEFT(method,1)<>'F' OR SUBSTRING(method,2,3)='1.0')
AND serialnumber=02848 /* test*/
)A
)
SELECT Q1.serialnumber
, Q1.mode
, Q1.method
, Q1.TTIME AS starttime
, (SELECT TOP 1 TTIME FROM Q1 Q2 WHERE Q2.TTIME>Q1.TTIME AND Q2.SERIALNUMBER=Q1.SERIALNUMBER ORDER BY Q2.TTIME) AS endtime
FROM Q1
ORDER BY Q1.serialnumber, Q1.TTIME
;
输出:
serialnumber mode method starttime endtime
------------ ---- ------ ----------- -----------
2848 R P 1504725241 1504725365
2848 R F 1504725365 1504727651
2848 R P 1504727651 1504727741
2848 R F 1504727741 1504728165
2848 R E 1504728165 1504728167
2848 L B 1504728167 1504728171
2848 T B 1504728171 1504728193
2848 T P 1504728171 1504728193
2848 T F 1504728193 1504728208
2848 L B 1504728208 1504728215
2848 T E 1504728208 1504728215
2848 T F 1504728208 1504728215
2848 L B 1504728215 1504728221
2848 L B 1504728221 1504728225
2848 L B 1504728225 1504728230
2848 L B 1504728230 1504728234
2848 L B 1504728234 1504728238
2848 L B 1504728238 1504728249
2848 L B 1504728249 1504728255
2848 L B 1504728255 1504728300
2848 L B 1504728300 1504728845
2848 S S 1504728845 1504728846
2848 S S 1504728846 NULL
6363 R B 1504726264 1504726265
6363 R F 1504726265 1504729288
6363 R E 1504729288 1504729289
6363 L B 1504729289 1504729318
6363 R B 1504729318 1504731181
6363 R F 1504729318 1504731181
53344 L B 1504725984 1504725987
53344 L B 1504725987 1504725988
53344 L B 1504725988 1504725992
53344 L B 1504725992 1504725993
53344 L B 1504725993 NULL
78901 L B 1504725485 1504725488
78901 L B 1504725488 1504725491
78901 L B 1504725491 NULL
serialnumber mode method starttime endtime
------------ ---- ------ ----------- -----------
2848 R P 1504725241 1504725365
2848 R F 1504725365 1504727651
2848 R P 1504727651 1504727741
2848 R F 1504727741 1504728165
2848 R E 1504728165 1504728167
2848 L B 1504728167 1504728171
2848 T B 1504728171 1504728193
2848 T P 1504728171 1504728193
2848 T F 1504728193 1504728208
2848 T E 1504728208 1504728215
2848 L B 1504728208 1504728215
2848 L B 1504728215 1504728221
2848 L B 1504728221 1504728225
2848 L B 1504728225 1504728230
2848 L B 1504728230 1504728234
2848 L B 1504728234 1504728238
2848 L B 1504728238 1504728249
2848 L B 1504728249 1504728255
2848 L B 1504728255 1504728300
2848 L B 1504728300 1504728845
2848 S S 1504728845 1504728846
2848 S S 1504728846 NULL
并没有索引吗?对于那个些编辑问题的人:请阅读文本:他想给缩进提供证据lines@SqlZim不,但我可以创建它们,只要为创建表而进行的大容量插入不会比我需要执行的操作慢。@ewolden:您需要删除事件还是只用于解决问题?我的意思是,如果一个人可以根据请求生成会话而不删除事件,这对你有好处吗?@etsa如果你可以生成会话
如果不删除,那将是完美的。这看起来很有希望,并为我激发了一些想法。我星期一以前也不在。将报告此操作的执行情况,以及我是否找到了消除结果中出现的后续“F1.0”的方法。谢谢大家!@eWalden-添加了另一个查询版本,该版本将删除后续的F1.0。添加了一些关于性能的说明。@ewolden-添加了另一个第三个版本:它应该可以按要求工作。性能比以前差了一点……非常感谢您花费的所有时间和精力。我真的很感激。我已经使用了您的上一次迭代,并且看到了效率的巨大提高。再次感谢你!不客气。请记住,如果有一天您都迁移到SQLServer2008+,查询可能会简化。
WITH Q1 AS (SELECT *
FROM (SELECT serialnumber, [time] AS TTIME, mode, LEFT(method,1) AS method
FROM events
WHERE 1=1
AND (LEFT(method,1)<>'F' OR SUBSTRING(method,2,3)='1.0')
AND serialnumber=02848 /* test*/
)A
)
SELECT Q1.serialnumber
, Q1.mode
, Q1.method
, Q1.TTIME AS starttime
, (SELECT TOP 1 TTIME FROM Q1 Q2 WHERE Q2.TTIME>Q1.TTIME AND Q2.SERIALNUMBER=Q1.SERIALNUMBER ORDER BY Q2.TTIME) AS endtime
FROM Q1
ORDER BY Q1.serialnumber, Q1.TTIME
;
CREATE INDEX EVENTS_IXN01 ON EVENTS (SERIALNUMBER, TIME);
serialnumber mode method starttime endtime
------------ ---- ------ ----------- -----------
2848 R P 1504725241 1504725365
2848 R F 1504725365 1504727651
2848 R P 1504727651 1504727741
2848 R F 1504727741 1504728165
2848 R E 1504728165 1504728167
2848 L B 1504728167 1504728171
2848 T B 1504728171 1504728193
2848 T P 1504728171 1504728193
2848 T F 1504728193 1504728208
2848 T E 1504728208 1504728215
2848 L B 1504728208 1504728215
2848 L B 1504728215 1504728221
2848 L B 1504728221 1504728225
2848 L B 1504728225 1504728230
2848 L B 1504728230 1504728234
2848 L B 1504728234 1504728238
2848 L B 1504728238 1504728249
2848 L B 1504728249 1504728255
2848 L B 1504728255 1504728300
2848 L B 1504728300 1504728845
2848 S S 1504728845 1504728846
2848 S S 1504728846 NULL