Скользящая сумма / количество / среднее за интервал дат

В базе данных транзакций, охватывающей тысячи субъектов в течение 18 месяцев, я хотел бы выполнить запрос для группировки каждого возможного 30-дневного периода по entity_idсумме их сумм транзакций и количеству их транзакций за этот 30-дневный период, и вернуть данные таким образом, что я могу затем запросить. После большого тестирования этот код выполняет большую часть того, что я хочу:

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;

И я буду использовать в более крупном запросе, структурированном что-то вроде:

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;

Случай, который не покрывается этим запросом, - это когда количество транзакций будет составлять несколько месяцев, но все равно будет в течение 30 дней друг от друга. Возможен ли этот тип запроса с Postgres? Если это так, я приветствую любой вклад. Многие другие темы обсуждают " бегущие " агрегаты, а не прокатку .

Обновить

CREATE TABLEСкрипт:

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

Пример данных можно найти здесь . Я использую PostgreSQL 9.1.16.

Идеальный результат будет включать SUM(amount)и COUNT()всех транзакций в течение 30-дневного периода. Посмотрите это изображение, например:

Зеленая подсветка даты указывает на то, что включено в мой запрос. Желтая подсветка строки указывает на записи, что я хотел бы стать частью набора.

Предыдущее чтение:

• Разделение оконной функции Postgresql путем сравнения
• Группировка по интервалам данных
• Лучший способ считать записи по произвольным временным интервалам ...
• Скользящая средняя в Postgresql

Запрос у вас есть

Вы можете упростить запрос, используя WINDOWпредложение, но это только сокращает синтаксис, а не изменяет план запроса.

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);

• Кроме того, используя немного быстрее count(*), так как idэто определено NOT NULL?
• И вам не нужно, ORDER BY entity_idтак как вы ужеPARTITION BY entity_id

Вы можете упростить и дальше:
не добавляйте ORDER BYв определение окна вообще, это не относится к вашему запросу. Тогда вам не нужно определять пользовательскую рамку окна, либо:

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);

Проще, быстрее, но все же просто лучшая версия того, что у вас есть , со статичными месяцами.

Запрос, который вы можете захотеть

... не четко определено, поэтому я буду опираться на эти предположения:

Подсчитывать транзакции и суммы за каждый 30-дневный период в пределах первой и последней транзакции любого entity_id. Исключите начальные и конечные периоды без активности, но включите все возможные 30-дневные периоды в пределах этих внешних границ.

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);

Здесь перечислены все 30-дневные периоды для каждого entity_idс вашими агрегатами и с trans_dateпервым днем ​​(вкл.) Периода. Чтобы получить значения для каждой отдельной строки, присоединитесь к базовой таблице еще раз ...

Основная сложность та же, что и здесь:

• Ссылка на текущую строку в предложении FILTER оконной функции

Определение фрейма окна не может зависеть от значений текущей строки.

А точнее позвоните generate_series()с timestampвводом:

• Генерация временных рядов между двумя датами в PostgreSQL

Запрос, который вы на самом деле хотите

После обновления вопроса и обсуждения:
накапливайте одинаковые строки entity_idв 30-дневном окне, начиная с каждой фактической транзакции.

Поскольку ваши данные распределены редко, более эффективным будет запуск самосоединения с условием диапазона , тем более что Postgres 9.1 пока не имеет LATERALобъединений:

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.

Скользящее окно может иметь смысл (в отношении производительности) только для данных в течение большинства дней.

Это не объединяет дубликаты (trans_date, entity_id)за день, но все строки одного и того же дня всегда включаются в 30-дневное окно.

Для большой таблицы такой индекс покрытия может очень помочь:

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

Последний столбец amountполезен только в том случае, если вы получаете только сканирование по индексу. Остальное брось.

Но он все равно не будет использоваться, пока вы выбираете всю таблицу. Он будет поддерживать запросы для небольшого подмножества.