PostgreSQL：如何按'nearby'时间戳对行进行分组

Question

考虑以下简化情况：

create table trans
(
  id integer not null
, tm timestamp without time zone not null
, val integer not null
, cus_id integer not null
);
insert into trans 
  (id, tm, val, cus_id)
values
  (1, '2017-12-12 16:42:00', 2, 500) --
 ,(2, '2017-12-12 16:42:02', 4, 501) -- <--+---------+
 ,(3, '2017-12-12 16:42:05', 7, 502) --    |dt=54s   |
 ,(4, '2017-12-12 16:42:56', 3, 501) -- <--+         |dt=59s
 ,(5, '2017-12-12 16:43:00', 2, 503) --              |
 ,(6, '2017-12-12 16:43:01', 5, 501) -- <------------+
 ,(7, '2017-12-12 16:43:15', 6, 502) --
 ,(8, '2017-12-12 16:44:50', 4, 501) --
;

我想通过cus_id将行分组，但同一cus_id连续行的时间戳之间的间隔小于1分钟。

在上面的示例中，这适用于ID的2、4和6的行。这些行具有相同的CUS_ID（501），间隔低于1分钟。间隔ID {2,4}为54s，对于ID {2,6}是59s。间隔ID {4,6}也低于1分钟，但是覆盖 较大的间隔ID {2,6}。

我需要一个给我输出的查询：

 cus_id |         tm          | val 
--------+---------------------+-----
    501 | 2017-12-12 16:42:02 |  12
(1 row)

TM值将是第一行的TM，即最低的TM。阀将是分组的总和（val）。

在示例中分组3行，但也可能是2、4、5，...为简单起见，我只让Cus_ID 501的行附近有时间戳记，但是在我的 real 表中，会有更多。它包含20m 行。

这是可能的吗？

Answer 1

naive（subobtimal）使用CTE解决方案（更快的方法可以避免CTE，通过连接的子查询替换它，甚至使用窗口函数）：

---

        -- Step one: find the start of a cluster
        -- (the start is everything after a 60 second silence)
WITH starters AS (
        SELECT * FROM trans tr
        WHERE NOT EXISTS (
                SELECT * FROM trans nx
                WHERE nx.cus_id = tr.cus_id
                AND nx.tm < tr.tm
                AND nx.tm >= tr.tm -'60sec'::interval
                )
        )
                -- SELECT * FROM starters ; q
        -- Step two: join everything within 60sec to the starter
        -- and aggregate the clusters
SELECT st.cus_id
        , st.id AS id
        , MAX(tr.id) AS max_id
        , MIN(tr.tm) AS first_tm
        , MAX(tr.tm) AS last_tm
        , SUM(tr.val) AS val
FROM trans tr
JOIN starters st ON st.cus_id = tr.cus_id
        AND st.tm <= tr.tm AND st.tm > tr.tm -'60sec'::interval
GROUP BY 1,2
ORDER BY 1,2
    ;