如何用SQL查询各实验最早启动时间(DISTINCT无效解法)
需求落地的正确SQL实现方案
核心逻辑说明
统计单实验启动时间的判定规则为:同一实验ID下,不区分用户所属的实验组/对照组,取所有用户分配记录中最早的时间戳作为实验启动时间。
之前使用DISTINCT关键字无法得到正确结果,本质是选型逻辑偏差:DISTINCT的作用是筛选所有查询列的不重复行组合,不具备分组维度下取极值的能力。不少开发者会尝试在DISTINCT查询基础上叠加排序语句,本质依然是绕开了分组聚合的核心逻辑,既无法自动匹配每个实验对应的最早分配时间,还很容易把同一实验下多条不同时间的记录全部返回。
基础聚合写法(适合仅需取实验启动时间的场景)
直接按实验ID分组,取组内最小的分配时间即可,写法最简单且执行效率最高:
SELECT experiment_id, MIN(assignment_ts) AS experiment_start_time FROM user_experiment_assignment GROUP BY experiment_id;
带附属信息的写法(需连带返回最早记录的其他字段时使用)
如果需要同步带出首次分配对应的用户ID、所属分组等附属信息,可使用窗口函数实现,不需要多次扫描全表:
WITH sorted_assignments AS ( SELECT user_id, assignment_ts, experiment_id, experiment_assignment, -- 按实验分组,按分配时间正序给记录打排名 ROW_NUMBER() OVER ( PARTITION BY experiment_id ORDER BY assignment_ts ASC ) AS record_rank FROM user_experiment_assignment ) SELECT experiment_id, assignment_ts AS experiment_start_time, user_id AS first_assigned_user, experiment_assignment AS first_assigned_group FROM sorted_assignments WHERE record_rank = 1;
基于示例数据的查询结果
按照提供的明细数据计算:
- 实验ID=1的最早分配记录时间为
2019-01-06 12:00:05.000 - 实验ID=2的最早分配记录时间为
2019-03-04 01:45:23.000
内容的提问来源于stack exchange,提问作者Niteesh Kulhari
相关产品推荐
相关产品推荐

