我相信这应该能达到你想要的效果：DBFiddle Example

with cte as (
  select row_number() over (partition by EmployeeId, RoomId order by EventDate) r
  , *
  from TimeLog
)
select coalesce(i.EventDate, o.EventDate) LoginDate
, coalesce(o.EventDate, i.EventDate) LogoutDate
, coalesce(i.EmployeeId, o.EmployeeId) EmployeeId_
, coalesce(i.RoomId, o.RoomId)  RoomId_
from (select * from cte where Event = 'Login') i
full outer join (select * from cte where Event = 'Logout') o
on o.EmployeeId = i.EmployeeId
and o.RoomId = i.RoomId
and o.r = i.r+1
order by LoginDate, LogoutDate, EmployeeId_, RoomId_

这是通过对每个员工/房间组合的事件排序来实现的。

如果在登录之后立即出现注销(即，序列号(R)或注销事件比登录事件的序列号多1)，则两者是相关的&放在同一行中。

如果您获得的任何行的登录没有连续注销，或者没有之前登录的注销，则这些行被视为具有丢失的数据，因此您在相应的注销时间/登录时间列中得到NULL。

希望这是有意义的&有帮助--如果你需要更深入的解释，请告诉我。

用于创建演示数据的代码

create table TimeLog (
  EmployeeId bigint not null,
  RoomId nchar(6) not null,
  Event nvarchar(6) not null,
  EventDate DateTime not null
)

insert TimeLog (EmployeeID, RoomId, Event, EventDate)
values (107733, '05-27F',   'Login',    '2020-02-26 07:02:00')
     , (107733, '05-27F',   'Logout',   '2020-02-26 08:38:00')
     , (107733, '05-25F',   'Login',    '2020-02-26 08:39:00')
     , (107733, '05-25F',   'Logout',   '2020-02-26 08:51:00')
     , (107733, '05-25F',   'Login',    '2020-02-27 08:39:00')
     , (107733, '05-25F',   'Logout',   '2020-02-27 08:51:00')
     , (107733, '05-25X',   'Login',    '2020-02-27 08:39:00')
     , (107733, '05-25Y',   'Logout',   '2020-02-27 08:51:00')

输出示例

LoginDate|LogoutDate|EmployeeId_|RoomID_
-|-|
107733|05-27F|2020-02-26 07：02：00.000|2020-02-26 08：38：00.000
2020-02-26 08：39：00.000|2020-02-26 08：51：00.000|2020|05-25F
107733|05-25X|2020-02-27 08：39：00.000|2020-02-27 08：39：00.000
2020-02-27 08：39：00.000|2020-02-27 08：51：00.000|2020|05-25F
107733-02-27 08：51：00.000|2020-02-27 08：51：00.000|2020-02-27 08：51：25

跟进问题答案

试试这个：DB Fiddle

with LoginCte as (
  select row_number() over (partition by EmployeeId, RoomId order by EventDate) LoginNo
  , EmployeeId
  , RoomId
  , EventDate LoginDate
  from TimeLog
  where Event = 'Login'
)
, LogoutCte as (
  select count(icte.LoginNo) PriorLoginCount
  , octe.EmployeeId
  , octe.RoomId
  , EventDate LogoutDate
  from TimeLog octe
  left outer join LoginCte icte 
  on icte.EmployeeId = octe.EmployeeId
  and icte.RoomId = octe.RoomId
  where Event = 'Logout'
  group by octe.EmployeeId, octe.RoomId, octe.Eventdate
)
select coalesce(i.EmployeeId, o.EmployeeId) EmployeeId_
, coalesce(i.RoomId, o.RoomId) RoomId_
, LoginDate
, LogoutDate
from LoginCte i
full outer join logoutCte o
on o.EmployeeId = i.EmployeeId
and o.RoomId = i.RoomId
and o.PriorLoginCount = i.LoginNo

它的工作原理是像以前一样为每个登录提供一个连续的ID；对于注销，它计算在它之前出现的登录次数。然后，可以将这些数字组合在一起，以确保最新的登录始终与其最早的相应注销配对；而不会丢失任何记录。

即

• 首次登录之前发生的任何注销记录的priorLoginCount将为0。
• 第一条登录记录的loginNo为1。在该登录之后但在下一次登录之前发生的所有注销记录的priorLoginCount为1。
• 第二条登录记录的loginNo为2。在该登录之后但在第三次登录之前发生的所有注销记录的priorLoginCount为2。
• 如果我们在上次注销记录之后有任何登录记录，则它们的loginNo值将高于任何注销记录的priorLoginCount值。

因此，我们可以根据这些值将我们的记录配对。

如果您坚定地选择了SQL Server，那么Pivot也是一个选择：

SELECT
    EmployeeID,
    RoomID,
    ISNULL([Login], [Logout]) AS LatestLogin,
    ISNULL([Logout], [Login]) AS LatestLogout
FROM
    TimeLog
PIVOT (
    MAX(EventDate)
    FOR Event IN ([Login], [Logout])
    ) AS PivotTable
ORDER BY
    LatestLogin
;

也许是这样的：

SELECT EmployeeID, RoomId,
    MAX(CASE WHEN Event = 'Login'  THEN EventDate ELSE NULL END) AS LatestLogin,
    MAX(CASE WHEN Event = 'Logout' THEN EventDate ELSE NULL END) AS LatestLogout,
FROM Wherever
GROUP BY EmployeeID, RoomId

更新：每天第一次登录和最后一次注销。

SELECT w.EmployeeID, w.RoomId, d.Date,
    MIN(CASE WHEN Event = 'Login'  THEN EventDate ELSE NULL END) AS LatestLogin,
    MAX(CASE WHEN Event = 'Logout' THEN EventDate ELSE NULL END) AS LatestLogout
FROM Wherever w
    INNER JOIN (
        -- Find the dates. This is the PK of the result.
        DISTINCT EmployeeId, RoomId, CAST(EventDate AS date) AS Date
        FROM Wherever
    ) AS d
        ON w.EmployeeId = d.EmployeeId AND w.RoomId = d.RoomId AND CAST(w.EventDate AS date) = w.LatestDate
GROUP BY w.EmployeeID, w.RoomId, d.Date