athena/presto sql为每天的历史数据聚合信息

zphenhs4  于 2021-07-26  发布在  Java
关注(0)|答案(1)|浏览(326)

我有下面的示例表,它使用变更数据捕获来捕获历史信息:

id cdc_date    cdc_flag active name
1  2020-07-12  Insert   true   a  
2  2020-07-12  Insert   true   b
3  2020-07-12  Insert   true   c
4  2020-07-12  Insert   true   d
1  2020-07-13  Update   false  a
3  2020-07-13  Update   true   c_changed
4  2020-07-14  Deleted  true   d

对于任何列的更新,都会向表中添加一个新条目。因此,存在同一id的多个版本。
我需要找到在每个cdc\ U日期当天或之前处于活动状态的ID的总数。
期望输出:

cdc_date   count_active
2020-07-12 4
2020-07-13 4
2020-07-14 3

我无法在athena中为所需的输出形成查询,因为没有过程或递归查询可用。
以下是我计算某个特定日期的活动ID的方法:

id cdc_date    cdc_flag active rank
1  2020-07-12  Insert   true   2
2  2020-07-12  Insert   true   1
3  2020-07-12  Insert   true   2
4  2020-07-12  Insert   true   2 
1  2020-07-13  Update   false  1
3  2020-07-13  Update   true   1 
4  2020-07-14  Deleted  true   1
Select date('2020-07-14') as cdc_date, sum(if(active = 'true',1,0)) as count_active from 
(Select *, rank over (partition by id over cdc_date desc) as rank)
where rank = 1 and cdc_flag != 'Deleted' and cdc_date <= date('2020-07-14')

我需要为每个cdc\u日期这样做,但排名需要为每个cdc\u日期重新计算,我无法想到一个没有过程或递归的解决方案。
请建议使用athena/presto sql解决此问题。

exdqitrt

exdqitrt1#

可以将累积和与聚合一起使用:

select cdc_date,
       sum(sum(case when cdc_flag = 'active' then 1
                    when cdc_flag = 'Deleted' then -1
                    else 0
               end)
          ) over (order by cdc_date) as num_actives
from t
group by cdc_date;

相关问题