PostgreSQL：根据日期识别 return 访问者 - 连接或 window 函数？

Question

我希望在 7 天内 window 识别网站的 return 访问者。下面包含一个数据样本和尝试解决问题：

visitor_id(integer)
session_id(integer)
event_sequence(integer)
d_date(date)

样本原始数据：

+-----------+-------------+----------------+-------------+
| visitor_id| session_id  | event_sequence |   d_date    |
+-----------+-------------+----------------+-------------+
|      1    |     1       |      1         | 2017-01-01  |
|      1    |     1       |      2         | 2017-01-01  |
|      1    |     1       |      3         | 2017-01-01  |
|      1    |     2       |      1         | 2017-01-05  |
|      1    |     2       |      2         | 2017-01-05  |
|      1    |     3       |      1         | 2017-01-20  |
|      1    |     4       |      1         | 2017-01-25  |
|      2    |     1       |      1         | 2017-01-02  |
|      2    |     1       |      2         | 2017-01-02  |
|      2    |     2       |      1         | 2017-01-02  |
|      2    |     2       |      2         | 2017-01-02  |
|      2    |     2       |      3         | 2017-01-02  |
|      2    |     3       |      1         | 2017-01-18  |
+-----------+-------------+----------------+-------------+

我想知道，对于每个访问者会话，访问者是否在访问日期的后续 7 天内 returns（有另一个会话）。最终，table 在 visitor_id、session_id 级别将是唯一的，并且包含一个标志，用于指示访问者是否在随后的 7 天内 return 访问过。

以下是我希望输出的样子：

+-----------+-------------+-----------------+-------------+
| visitor_id| session_id  | returned_7_days |   d_date    |
+-----------+-------------+-----------------+-------------+
|      1    |     1       |      1          | 2017-01-01  |
|      1    |     2       |      0          | 2017-01-05  |
|      1    |     3       |      1          | 2017-01-20  |
|      1    |     4       |      0          | 2017-01-25  |
|      2    |     1       |      1          | 2017-01-02  |
|      2    |     2       |      0          | 2017-01-02  |
|      2    |     3       |      0          | 2017-01-18  |
+-----------+-------------+-----------------+-------------+

解决此问题的一种方法是将每个 visitor_id-session_id 组合连接到相应的 visitor_id，如下所示：

SELECT t2.visitor_id, t2.session_id, t2.d_date, t1.start_date
FROM table t2
INNER JOIN (
  SELECT visitor_id, session_id, min(d_date) as start_date
  FROM table t1
  GROUP BY visitor_id, session_id
) t1
ON t1.visitor_id = t2.visitor_id

returns，对于每个 visitor_id-session_id 组合，对应于该 visitor_id 的所有其他会话的日期。从那里，我可以比较 d_date 是否在 start_date 的 7 天内。然而，这似乎不是解决问题的有效方法，尤其是当有数百万个独特的 visitor_id 组合时，每个组合都与数十个 session_id-event_sequence 组合交叉。

有没有更好的办法解决这个我没想到的问题？

Answer 1

首先，我用 DISTINCT 删除 event_sequence（假设所有事件都在同一天），然后我使用 window 函数 lead 并进行比较下次访问的日期：

SELECT visitor_id,
       session_id,
       COALESCE(
          lead(d_date) OVER w - d_date,
          10
       ) < 7 AS revisited,
       d_date
FROM (SELECT DISTINCT visitor_id,
                      session_id,
                      d_date
      FROM "table"
     ) t
WINDOW w AS (PARTITION BY visitor_id
             ORDER BY d_date
             ROWS BETWEEN CURRENT ROW AND UNBOUNDED FOLLOWING
            )
ORDER BY visitor_id, session_id;

┌────────────┬────────────┬───────────┬────────────┐
│ visitor_id │ session_id │ revisited │   d_date   │
├────────────┼────────────┼───────────┼────────────┤
│          1 │          1 │ t         │ 2017-01-01 │
│          1 │          2 │ f         │ 2017-01-05 │
│          1 │          3 │ t         │ 2017-01-20 │
│          1 │          4 │ f         │ 2017-01-25 │
│          2 │          1 │ t         │ 2017-01-02 │
│          2 │          2 │ f         │ 2017-01-02 │
│          2 │          3 │ f         │ 2017-01-18 │
└────────────┴────────────┴───────────┴────────────┘
(7 rows)

PostgreSQL：根据日期识别 return 访问者 - 连接或 window 函数？

PostgreSQL: Identifying return visitors based on date - joins or window functions?

sql

postgresql

datetime

aggregate-functions

window-functions