如何计算用户会话的开始和结束时间

Question

是否有一种建议进行以下类型的转换类型的方法：
输入：

userID  timestamp  action  
u1      100        edit1
u1      122        edit2
u1      135        edit3
u2      143        edit4
u2      158        edit5
u1      212        edit6
u1      241        edit7

输出：

userID  startTime  endTime  actions
u1      100        135      [edit1, edit2, edit3]
u2      143        158      [edit4, edit5]
u1      212        241      [edit6, edit7]

通过用户ID进行分组会导致会话信息丢失。与使用窗口函数一样。

为了清楚地编辑：在这种情况下，请注意结果集中用户U1出现2次。用户U2的操作将U1的动作分为两个会话。

Answer 1

使用Good Ol'SQL汇总所有列：

SELECT userID min(timestamp), max(timestamp), collect_list(actions)
FROM df GROUP BY userID

或数据集API：

df.groupBy("userID").agg(
    min("timestamp") as "startTime",
    max("timestamp") as "endTime",
    collect_list("actions") as "actions")