可以在定义顺序的几列中确定第一列，该第一列区分前2个记录。
我已经准备了下面的完整示例，我立即评论：

• 为了便于说明，我添加了一个Schedule CTE，您需要自己删除它才能得到真实的的查询。
• 有1个记录具有key_id = ksingle，以说明当记录是单独的时会发生什么。
• key_id = kequal的两个记录是相同的，以说明在完美匹配的情况下会发生什么。
• 这个查询使用了两个类似的窗口。我在查询的WINDOW子句中移动了它们的定义，以避免重复+为了清楚起见，让它们彼此相邻。

关于窗口w2，正如我用ROWS BETWEEN CURRENT ROW AND UNBOUNDED FOLLOWING定义的那样，如果要删除最终过滤器（WHERE row_number = 1），则最后将比较所有记录与它们各自的下一个记录。这是具有从当前行开始的范围的效果（行#2总是下一行），而不是例如UNBOUNDED PRECEDING（对于该情况，行#2是整个分区组的实际第二行）。

• 下面的查询实现了两种方法来告诉您区分列：
• 4列返回布尔值，用于比较订单中使用的每列与同一列的下一个值（窗口函数nth_value，带参数2）。
• 由与上述相同的布尔值构造的数组，对该数组应用array_position，它返回false的第一个匹配项。

WITH Schedule(key_id, header_event_timestamp, ktimestamp, raw_load_timestamp, update_timestamp) AS ( VALUES
('ksingle', '2023-12-22 08:50:59.930000',  '2023-12-22 08:50:59.930000', '2023-12-22 08:52:36.960000', '2023-12-22 08:50:58.100000'),
('kequal',  '2023-12-22 08:50:59.930000',  '2023-12-22 08:50:59.930000', '2023-12-22 08:52:36.960000', '2023-12-22 08:50:58.100000'),
('kequal',  '2023-12-22 08:50:59.930000',  '2023-12-22 08:50:59.930000', '2023-12-22 08:52:36.960000', '2023-12-22 08:50:58.100000'),
('k1',      '2023-12-22 08:50:59.930000',  '2023-12-22 08:50:59.930000', '2023-12-22 08:52:36.960000', '2023-12-22 08:50:58.100000'),
('k1',      '2023-12-22 08:50:37.530000',  '2023-12-22 08:50:37.530000', '2023-12-22 08:52:36.960000', '2023-12-22 06:41:02.483000'),
('k2',      '2023-12-22 06:41:03.080000',  '2023-12-22 06:41:03.080000', '2023-12-22 06:52:33.189000', '2023-12-22 06:41:02.483000'),
('k2',      '2023-12-22 06:41:03.080000',  '2023-12-22 06:45:03.060000', '2023-12-22 06:52:33.189000', '2023-12-22 06:41:02.483000'),
('k2',      '2023-12-22 06:41:03.080000',  '2023-12-20 15:09:36.370000', '2023-12-21 02:52:37.557000', '2023-12-20 14:04:37.323000'),
('k3',      '2023-12-20 14:39:00.909832',  '2023-12-20 14:39:00.909000', '2023-12-21 02:52:37.557000', '2023-12-20 14:04:37.323000'),
('k3',      '2023-12-20 14:39:00.909832',  '2023-12-20 14:39:00.909000', '2023-12-21 02:55:37.557000', '2023-12-20 14:04:37.323000'),
('k4',      '2023-12-22 06:41:03.080000',  '2023-12-22 06:41:03.080000', '2023-12-22 06:52:33.189000', '2023-12-22 06:41:02.483000'),
('k4',      '2023-12-22 06:41:03.080000',  '2023-12-22 06:41:03.080000', '2023-12-22 05:52:33.189000', '2023-12-22 06:41:02.483000'),
('k4',      '2023-12-22 06:41:03.080000',  '2023-12-22 05:41:03.080000', '2023-12-22 05:52:33.189000', '2023-12-22 06:41:02.483000'),
('k4',      '2023-12-22 05:41:03.080000',  '2023-12-22 05:41:03.080000', '2023-12-22 05:52:33.189000', '2023-12-22 06:41:02.483000')
), schedule_latest_events AS (
    SELECT *,
           ROW_NUMBER()                         OVER w1 AS row_number,
           nth_value(header_event_timestamp, 2) OVER w2 AS next_header_event_timestamp,
           nth_value(ktimestamp            , 2) OVER w2 AS next_ktimestamp,
           nth_value(raw_load_timestamp    , 2) OVER w2 AS next_raw_load_timestamp,
           nth_value(update_timestamp      , 2) OVER w2 AS next_update_timestamp
    FROM Schedule
    WINDOW
    w1 AS (PARTITION BY key_id ORDER BY header_event_timestamp DESC, ktimestamp DESC, raw_load_timestamp DESC, update_timestamp DESC),
    w2 AS (PARTITION BY key_id ORDER BY header_event_timestamp DESC, ktimestamp DESC, raw_load_timestamp DESC, update_timestamp DESC ROWS BETWEEN CURRENT ROW AND UNBOUNDED FOLLOWING)
)
SELECT *,
       header_event_timestamp = next_header_event_timestamp AS test_header_event_timestamp,
       ktimestamp             = next_ktimestamp             AS test_ktimestamp,
       raw_load_timestamp     = next_raw_load_timestamp     AS test_raw_load_timestamp,
       update_timestamp       = next_update_timestamp       AS test_update_timestamp,
       array_position(ARRAY[
           header_event_timestamp = next_header_event_timestamp,
           ktimestamp             = next_ktimestamp,
           raw_load_timestamp     = next_raw_load_timestamp,
           update_timestamp       = next_update_timestamp
       ], 'false') AS first_different_column
FROM schedule_latest_events
WHERE row_number = 1

字符串
由于我所做的查询是为了说明表示您想要的结果的几种方法，因此在上面的查询将返回给您的内容中存在一些冗余。我允许您删除不想保留的列。
编辑：@MatBailie分享了上述查询的一个版本，该版本使用LEAD窗口函数而不是NTH_VALUE，重要的是，只有一个窗口。与上面的查询相比，这只是一个小的代码更改，结果没有任何差异。
在我找到一种方法来概括上面的查询之前（正如我在评论中解释的那样，我最初的尝试是看看我是否可以通过调用generate_series(2, ...)来做些什么）（不能保证我永远能够找到一个），他的版本是上级。