Oracle数仓中判断时间连续性的几种SQL写法

零、需求介绍

现有一张表数据如下：

此表是一张镜像表，policyno列代表一个保单号，state列代表这个保单号在snapdate当天的最后一次状态（state每天可能会变很多次，镜像表只保留snapdate时间点凌晨的最后一次状态），
snapdate代表当天做镜像的时间，现在有个需求，我们想取出来这个保单号连续保持某个状态的起止时间，例如：
保单号sm1保持状态1的起止时间为2021020120210202，然后在20210203时候变成了状态2，又在20210204时候变成了状态3，最终又在2021020520210209时间段保持在状态1，
然后镜像表的程序可能期间出现过问题，在20210210开始到20210215日没有镜像成功，直到20210216日才恢复，20210216~20210219日保单号sm1的状态一直保持为1，
后续还有可能继续变，那么，上面说的保单sm1的几个状态的连续时间，我们想要的结果为：

POLICYNO    STATE    START_DATE    END_DATE
sm1        1    20210201    20210202
sm1        2    20210203    20210203
sm1        3    20210204    20210204
sm1        1    20210205    20210209
sm1     1      20210216       20210219
.........................

我这里提供5种写法，可以归结为两大类：
一类：通过使用分析函数或自关联获取数据连续性，构造一个分组字段进行分组求最大最小值。
二类：通过树形层次查询获取连续性，获取起止时间。

一、通过使用lag分析函数获取前后时间，根据当前时间与前后时间的差值进行判断获取时间连续性标志，然后使用sum()over()对连续性标志进行累加，从而生成一个新的临时分组字段，最终根据policyno,state,临时分组字段进行分组取最大最小值

这里为了好理解，每一个处理步骤都单独写出来了，实际使用中可以简写一下：

with t as--求出来每条数据当天的前一天镜像时间(select a.policyno,
         a.state,
         a.snapdate,
         lag(a.snapdate)over(partitionby a.policyno, a.state orderby a.snapdate)as lag_tim
    from zyd.temp_0430 a
   orderby a.policyno, a.snapdate),
t1 as--判断当天镜像时间和前一天的镜像时间+1是否相等，如果相等就置为0否则置为1，新增临时字段lxzt意为：连续状态标志(select t.*,casewhen t.snapdate = t.lag_tim +1then0else1endas lxzt
    from t
   orderby policyno, snapdate),
t2 as--根据lxzt字段进行sum()over()求和，求出来一个新的用来做分组依据的字段，简称fzyj(select t1.*,sum(lxzt)over(orderby policyno, snapdate)as fzyj from t1)select policyno,--最后根据policyno,state,fzyj进行分组求最大最小值即为状态连续的开始结束时间
       state,-- fzyj,min(snapdate)as start_snap,max(snapdate)as end_snap
  from t2
 groupby policyno, state, fzyj
 orderby fzyj;

二、不使用lag分析函数,通过自关联也能判断出来哪些天连续,然后后面操作步骤同上，这个写法算是对lag()over()函数的一个回写，摆脱对分析函数的依赖

下面这种写法，需要读两次表，上面lag的方式是对这个写法的一种优化:

with t as(select a.policyno, a.state, a.snapdate, b.snapdate as snap2
    from zyd.temp_0430 a, zyd.temp_0430 b
   where a.policyno = b.policyno(+)and a.state = b.state(+)and a.snapdate -1= b.snapdate(+)orderby policyno, snapdate),
t1 as(select t.*,casewhen snap2 isnullthen1else0endas lxzt
    from t
   orderby policyno, snapdate),
t2 as(select t1.*,sum(lxzt)over(orderby policyno, snapdate)as fzyj
    from t1
   orderby policyno, snapdate)select policyno,
       state,
       fzyj,min(snapdate)as start_snap,max(snapdate)as end_snap
  from t2
 groupby policyno, state, fzyj
 orderby fzyj;

三、通过构造树形结构，确定根节点和叶子节点来获取状态连续的开始和结束时间

先按照数据的连续性构造显示每层关系的树状结构：

with t as(select a.policyno,
         a.state,
         a.snapdate,
         lag(a.snapdate)over(partitionby a.policyno, a.state orderby a.snapdate)as lag_tim
    from zyd.temp_0430 a --where policyno='sm1'orderby a.policyno, a.snapdate),
t1 as(select t.*,casewhen t.snapdate = t.lag_tim +1then0else1endas lxzt
    from t
   orderby policyno, snapdate),
t2 as(select t1.*,
         lpad('->',(level-1)*2,'->')|| snapdate as 树状结构,levelas 树中层次,
         decode(level,1,1) 是否根节点,
         decode(connect_by_isleaf,1,1) 是否叶子节点,casewhen(connect_by_isleaf =0andlevel>1)then1end  是否树杈,(prior snapdate)as 根值,
         connect_by_root snapdate 主根值
    from t1
   startwith(lxzt =1)connectby(prior snapdate = snapdate -1and prior state = state and
              prior policyno = policyno)orderby policyno, snapdate)select*from t2;

从上面能清晰的看出来，每一次连续状态的开始日期作为每个树的根，分支节点即树杈和叶子节点的关系一步步拓展开来，分析上面数据我们能够知道，如果我们想要获取
每个保单状态连续时间范围，以上面的数据现有分布方式，现在就可以：通过policyno,state,主根值进行group by 取snapdate的最大最小值，类似前面两个写法的最终步骤；
接下来，我们这个第三种写法就是按照这个方式写：

with t as(select a.policyno,
         a.state,
         a.snapdate,
         lag(a.snapdate)over(partitionby a.policyno, a.state orderby a.snapdate)as lag_tim
    from zyd.temp_0430 a --where policyno='sm1'orderby a.policyno, a.snapdate),
t1 as(select t.*,casewhen t.snapdate = t.lag_tim +1then0else1endas lxzt
    from t
   orderby policyno, snapdate),
t2 as(select t1.*,
         lpad('->',(level-1)*2,'->')|| snapdate as 树状结构,levelas 树中层次,
         decode(level,1,1) 是否根节点,
         decode(connect_by_isleaf,1,1) 是否叶子节点,casewhen(connect_by_isleaf =0andlevel>1)then1end  是否树杈,(prior snapdate)as 根值,
         connect_by_root snapdate 主根值
    from t1
   startwith(lxzt =1)connectby(prior snapdate = snapdate -1and prior state = state and
              prior policyno = policyno)orderby policyno, snapdate)select policyno,
       state,min(snapdate)as start_date,max(snapdate)as end_date
  from t2
 groupby policyno, state, 主根值
 orderby policyno, state;

四、参照过程三，既然已经获取了每条数据的主根值和叶子节点的值，这就代表了我们知道了每个保单状态的连续开始和结束时间，那直接取出来叶子节点数据，叶子节点主根值就是开始日期，叶子节点的值就是结束日期，这样我们就不需再group by了

with t as(select a.policyno,
         a.state,
         a.snapdate,
         lag(a.snapdate)over(partitionby a.policyno, a.state orderby a.snapdate)as lag_tim
    from zyd.temp_0430 a --where policyno='sm1'orderby a.policyno, a.snapdate),
t1 as(select t.*,casewhen t.snapdate = t.lag_tim +1then0else1endas lxzt
    from t
   orderby policyno, snapdate),
t2 as(select t1.*,
         lpad('->',(level-1)*2,'->')|| snapdate as 树状结构,levelas 树中层次,
         decode(level,1,1) 是否根节点,
         decode(connect_by_isleaf,1,1) 是否叶子节点,casewhen(connect_by_isleaf =0andlevel>1)then1end 是否树杈,(prior snapdate)as 根值,
         connect_by_root snapdate 主根值
    from t1
   startwith(lxzt =1)connectby(prior snapdate = snapdate -1and prior state = state and
             prior policyno = policyno)orderby policyno, snapdate)select policyno, state, 主根值 as start_date, snapdate as end_date
  from t2
 where 是否叶子节点 =1orderby policyno, snapdate

五、在Oracle10g之前，上面树状查询的关键函数 connect_by_root还不支持，如果使用树形结构，可以通过sys_connect_by_path来实现

with t as(select a.policyno,
         a.state,
         a.snapdate,
         lag(a.snapdate)over(partitionby a.policyno, a.state orderby a.snapdate)as lag_tim
  --case when lag(a.snapdate) over(partition by a.policyno, a.state order by a.snapdate) is null then snapdate else lag(a.snapdate) over(partition by a.policyno, a.state order by a.snapdate) end as lag_timfrom zyd.temp_0430 a
   orderby a.policyno, a.snapdate),
t1 as(select t.*,casewhen t.snapdate = t.lag_tim +1then0else1endas lxzt
    from t
   orderby policyno, snapdate),
t2 as(select t1.*,
         sys_connect_by_path(snapdate,',')as pt,level,
         connect_by_isleaf as cb
    from t1
   startwith(lxzt =1)connectby(prior snapdate = snapdate -1and prior state = state and
             prior policyno = policyno))select t2.*,
       regexp_substr(pt,'[^,]+',1,1)as start_date,
       regexp_substr(pt,'[^,]+',1, regexp_count(pt,','))as end_date
  from t2
 where cb =1orderby policyno, state;

还有好多其他写法，这里不再一一列举，有兴趣的可以评论下面写出其他方案奥！