滚动总和/计数/日期间隔内的平均值

在一个涵盖18个月内成千上万个实体的交易的数据库中，我想运行一个查询，以将每个可能的30天期限entity_id与该30天内的交易金额和COUNT 个交易的总和进行分组。以我可以查询的方式返回数据。经过大量测试，此代码完成了我想要的大部分工作：

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;

我将在更大的查询中使用类似以下内容的结构：

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;

该查询不涉及的情况是交易计数跨越多个月，但彼此之间的间隔仍在30天内。Postgres是否可以进行此类查询？如果是这样，我欢迎任何投入。其他许多主题都在讨论“ 运行 ”聚合，而不是滚动聚合。

更新资料

该CREATE TABLE脚本：

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

示例数据可以在这里找到。我正在运行PostgreSQL 9.1.16。

理想的输出将包括连续30天的所有交易中的SUM(amount)和COUNT()。参见此图像，例如：

绿色日期突出显示表示查询中包含的内容。黄色行突出显示表示我想成为集合的一部分的记录。

以前的阅读：

• 通过比较对Postgresql窗口函数进行分区
• 按数据间隔分组
• 按任意时间间隔计数记录的最佳方法...
• PostgreSQL中的移动平均线

您拥有的查询

您可以使用WINDOW子句简化查询，但这只是缩短语法，而不更改查询计划。

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);

• 还使用稍微快一点count(*)，既然id确定了NOT NULL？
• 而且您不需要，ORDER BY entity_id因为您已经PARTITION BY entity_id

但是，您可以进一步简化：
根本不添加ORDER BY窗口定义，它与您的查询无关。然后，您无需定义自定义窗口框架：

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);

简单，快速，但仍然只是一个更好的版本，你什么都有，用静态个月。

您可能想要的查询

...没有明确定义，因此我将基于以下假设：

在任何交易的第一笔和最后一笔交易中，每30天计算一次交易和金额entity_id。排除没有活动的前期和尾期，但包括那些外部范围内的所有可能的30天时段。

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);

这会列出每个30天的时段entity_id以及您的汇总，并将其trans_date作为该时段的第一天（含）。要获取每个单独行的值，请再次连接到基表...

基本困难与此处讨论的相同：

• 在窗口函数的FILTER子句中引用当前行

窗口的框架定义不能取决于当前行的值。

而是generate_series()用timestamp输入调用：

• 在PostgreSQL中生成两个日期之间的时间序列

您实际想要的查询

在问题更新和讨论之后：从每笔实际交易开始，在30天的窗口中
累积相同的行entity_id。

由于您的数据分布稀疏，因此使用范围条件运行自LATERAL联接应该更加有效，因为Postgres 9.1还没有联接：

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提琴。

在大多数情况下，滚动窗口仅对数据有意义（就性能而言）。

这确实不是对总重复(trans_date, entity_id)每一天，但当天的所有行始终包含在30天的窗口。

对于一张大桌子，这样的覆盖索引可能会有所帮助：

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

最后一栏amount，如果你仅索引扫描的出来才有用。否则放下。

但是无论如何选择整个表都不会使用它。它会支持查询一小部分。