Jumlah bergulir / jumlah / rata-rata selama interval tanggal

Dalam basis data transaksi yang mencakup 1.000 entitas selama 18 bulan, saya ingin menjalankan kueri untuk mengelompokkan setiap periode 30 hari yang mungkin entity_iddengan SUM dari jumlah transaksi mereka dan COUNT transaksi mereka dalam periode 30 hari itu, dan kembalikan data dengan cara yang kemudian bisa saya tanyakan. Setelah banyak pengujian, kode ini mencapai banyak hal yang saya inginkan:

SELECT id, trans_ref_no, amount, trans_date, entity_id,
    SUM(amount) OVER(PARTITION BY entity_id, date_trunc('month',trans_date) ORDER BY entity_id, trans_date ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING) AS trans_total,
    COUNT(id)   OVER(PARTITION BY entity_id, date_trunc('month',trans_date) ORDER BY entity_id, trans_date ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING) AS trans_count
  FROM transactiondb;

Dan saya akan menggunakan kueri terstruktur yang lebih besar seperti:

SELECT * FROM (
  SELECT id, trans_ref_no, amount, trans_date, entity_id,
      SUM(amount) OVER(PARTITION BY entity_id, date_trunc('month',trans_date) ORDER BY entity_id, trans_date ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING) AS trans_total,
      COUNT(id)   OVER(PARTITION BY entity_id, date_trunc('month',trans_date) ORDER BY entity_id, trans_date ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING) AS trans_count
    FROM transactiondb ) q
WHERE trans_count >= 4
AND trans_total >= 50000;

Kasus yang tidak dicakup oleh kueri ini adalah saat jumlah transaksi akan berlangsung beberapa bulan, namun masih dalam 30 hari satu sama lain. Apakah jenis permintaan ini memungkinkan dengan Postgres? Jika demikian, saya menerima masukan apa pun. Banyak topik lain membahas agregat " berjalan ", bukan bergulir .

Memperbarui

The CREATE TABLEScript:

CREATE TABLE transactiondb (
    id integer NOT NULL,
    trans_ref_no character varying(255),
    amount numeric(18,2),
    trans_date date,
    entity_id integer
);

Sampel data dapat ditemukan di sini . Saya menjalankan PostgreSQL 9.1.16.

Output ideal akan mencakup SUM(amount)dan COUNT()dari semua transaksi selama periode 30 hari bergulir. Lihat gambar ini, misalnya:

Sorotan tanggal hijau menunjukkan apa yang disertakan oleh kueri saya. Sorotan baris kuning menunjukkan catatan apa yang saya ingin menjadi bagian dari set.

Bacaan sebelumnya:

• Partisi Fungsi Jendela Postgresql berdasarkan Perbandingan
• Kelompokkan Interval Data
• Cara terbaik untuk menghitung catatan dengan interval waktu ...
• Rata-Rata Bergerak dalam Postgresql

Kueri yang Anda miliki

Anda bisa menyederhanakan kueri menggunakan WINDOWklausa, tapi itu hanya memperpendek sintaks, bukan mengubah rencana kueri.

SELECT id, trans_ref_no, amount, trans_date, entity_id
     , SUM(amount) OVER w AS trans_total
     , COUNT(*)    OVER w AS trans_count
FROM   transactiondb
WINDOW w AS (PARTITION BY entity_id, date_trunc('month',trans_date)
             ORDER BY trans_date
             ROWS BETWEEN UNBOUNDED PRECEDING AND UNBOUNDED FOLLOWING);

• Juga menggunakan sedikit lebih cepat count(*), karena idsudah pasti ditentukan NOT NULL?
• Dan Anda tidak perlu ORDER BY entity_idsejak ituPARTITION BY entity_id

Anda dapat menyederhanakan lebih lanjut, meskipun:
Jangan menambahkan ORDER BYdefinisi jendela sama sekali, itu tidak relevan dengan permintaan Anda. Maka Anda tidak perlu mendefinisikan bingkai jendela khusus, baik:

SELECT id, trans_ref_no, amount, trans_date, entity_id
     , SUM(amount) OVER w AS trans_total
     , COUNT(*)    OVER w AS trans_count
FROM   transactiondb
WINDOW w AS (PARTITION BY entity_id, date_trunc('month',trans_date);

Lebih sederhana, lebih cepat, tetapi masih versi yang lebih baik dari apa yang Anda miliki , dengan bulan statis .

Permintaan yang Anda inginkan

... tidak didefinisikan dengan jelas, jadi saya akan membangun asumsi ini:

Hitung transaksi dan jumlah untuk setiap periode 30 hari dalam transaksi pertama dan terakhir dari setiap transaksi entity_id. Kecualikan periode awal dan akhir tanpa aktivitas, tetapi sertakan semua periode 30 hari yang mungkin dalam batas luar tersebut.

SELECT entity_id, trans_date
     , COALESCE(sum(daily_amount) OVER w, 0) AS trans_total
     , COALESCE(sum(daily_count)  OVER w, 0) AS trans_count
FROM  (
   SELECT entity_id
        , generate_series (min(trans_date)::timestamp
                         , GREATEST(min(trans_date), max(trans_date) - 29)::timestamp
                         , interval '1 day')::date AS trans_date
   FROM   transactiondb 
   GROUP  BY 1
   ) x
LEFT JOIN (
   SELECT entity_id, trans_date
        , sum(amount) AS daily_amount, count(*) AS daily_count
   FROM   transactiondb
   GROUP  BY 1, 2
   ) t USING (entity_id, trans_date)
WINDOW w AS (PARTITION BY entity_id ORDER BY trans_date
             ROWS BETWEEN CURRENT ROW AND 29 FOLLOWING);

Ini mencantumkan semua periode 30 hari untuk masing-masing entity_iddengan agregat Anda dan dengan trans_datemenjadi hari pertama (termasuk) periode tersebut. Untuk mendapatkan nilai untuk setiap baris, gabungkan ke tabel dasar sekali lagi ...

Kesulitan dasarnya sama dengan yang dibahas di sini:

• Referensi baris saat ini di FILTER klausa fungsi jendela

Definisi bingkai dari suatu jendela tidak dapat bergantung pada nilai dari baris saat ini.

Sebaliknya, panggil generate_series()dengan timestampinput:

• Menghasilkan seri waktu antara dua tanggal di PostgreSQL

Permintaan yang sebenarnya Anda inginkan

Setelah pembaruan dan diskusi pertanyaan:
Akumulasi baris yang sama entity_iddalam jendela 30 hari mulai dari setiap transaksi aktual.

Karena data Anda didistribusikan secara jarang, seharusnya lebih efisien untuk menjalankan self-join dengan kondisi jangkauan , terlebih lagi karena Postgres 9.1 tidak memiliki LATERALsambungan, namun:

SELECT t0.id, t0.amount, t0.trans_date, t0.entity_id
     , sum(t1.amount) AS trans_total, count(*) AS trans_count
FROM   transactiondb t0
JOIN   transactiondb t1 USING (entity_id)
WHERE  t1.trans_date >= t0.trans_date
AND    t1.trans_date <  t0.trans_date + 30  -- exclude upper bound
-- AND    t0.entity_id = 114284  -- or pick a single entity ...
GROUP  BY t0.id  -- is PK!
ORDER  BY t0.trans_date, t0.id

SQL Fiddle.

Jendela bergulir hanya bisa masuk akal (berkenaan dengan kinerja) dengan data untuk sebagian besar hari.

Ini tidak mengagregasi duplikat (trans_date, entity_id)per hari, tetapi semua baris pada hari yang sama selalu dimasukkan dalam jendela 30 hari.

Untuk tabel besar, indeks penutup seperti ini bisa membantu sedikit:

CREATE INDEX transactiondb_foo_idx
ON transactiondb (entity_id, trans_date, amount);

Kolom terakhir amounthanya berguna jika Anda mendapatkan hanya pindaian indeks. Jatuhkan itu.

Tapi itu tidak akan digunakan saat Anda memilih seluruh tabel. Itu akan mendukung permintaan untuk subset kecil.