【SQL】1661. 每台机器的进程平均运行时间 (四种写法;自连接;case when;窗口函数lead();)

前述

Sql窗口分析函数【lead、lag详解】
Hive 分析函数lead、lag实例应用

  • lag :用于统计窗口内往上第n行值
  • lead :用于统计窗口内往下第n行值
sql 复制代码
lead(列名,1,0) over (partition by 分组列 order by 排序列 rows between 开始位置 preceding and 结束位置 following)

lag 和lead 有三个参数:

  1. 列名;
  2. 偏移的offset;
  3. 超出记录窗口时的默认值。

题目描述

leetcode题目:1661. 每台机器的进程平均运行时间


Code

写法一:自连接

sql 复制代码
select A.machine_id,
    round(avg(B.timestamp - A.timestamp), 3) as processing_time
from Activity A, Activity B 
where A.machine_id = B.machine_id and
    A.process_id = B.process_id and 
    A.activity_type = 'start' and
    B.activity_type = 'end'
group by machine_id

过程解析:连表,然后过滤需要的行。

写法二:同组内最大最小值确定end time和start time

思路转换:同组内的结束时间-开始时间 == max(timestamp) - min(timestamp)

sql 复制代码
select machine_id,
    round(avg(timm), 3) as processing_time 
from (
    select *,
        max(timestamp) - min(timestamp) as timm 
    from Activity
    group by machine_id, process_id
) A 
group by machine_id

写法三:case when

思路:把 end 时间变成负数,方便求和/平均值计算。

sql 复制代码
select machine_id,
    round(avg(timm)*2, 3) as processing_time
from (
    select *,
        case 
            when activity_type='end' 
            then timestamp 
            else -timestamp
        end as timm
    from Activity
) A 
group by machine_id

过程解析:

写法四:窗口函数lead()

sql 复制代码
with t as(
    select *, 
        lead(timestamp, 1, 0) over(partition by machine_id order by process_id asc, timestamp asc) as end_time
    from Activity
)
select t.machine_id,
    round(avg(end_time-timestamp), 3) as processing_time
from t 
where t.activity_type = 'start'
group by t.machine_id


此写法学习大佬的题解 WITH+LEAD窗口函数

相关推荐
Musennn5 小时前
leetcode 15.三数之和 思路分析
算法·leetcode·职场和发展
欧先生^_^9 小时前
Linux内核可配置的参数
linux·服务器·数据库
问道飞鱼9 小时前
【数据库知识】Mysql进阶-高可用MHA(Master High Availability)方案
数据库·mysql·adb·高可用·mha
tiging9 小时前
centos7.x下,使用宝塔进行主从复制的原理和实践
数据库·mysql·adb·主从复制
wangcheng869910 小时前
Oracle常用函数-日期时间类型
数据库·sql·oracle
zizisuo10 小时前
面试篇:Spring Security
网络·数据库·安全
一只fish10 小时前
MySQL 8.0 OCP 1Z0-908 题目解析(2)
数据库·mysql
StarRocks_labs10 小时前
从InfluxDB到StarRocks:Grab实现Spark监控平台10倍性能提升
大数据·数据库·starrocks·分布式·spark·iris·物化视图
搞不懂语言的程序员10 小时前
Redis的Pipeline和Lua脚本适用场景是什么?使用时需要注意什么?
数据库·redis·lua
MarkHard12310 小时前
Leetcode (力扣)做题记录 hot100(62,64,287,108)
算法·leetcode·职场和发展