标记记录岛

Question

我有这个数据集：

<头>

ID	PrevId	NextId	产品	过程	日期
1	NULL	4	产​​品 1	进程A	2021-04-24
2	NULL	3	产​​品 2	进程A	2021-04-24
3	2	5	产​​品 2	进程A	2021-04-24
4	1	7	产​​品 1	进程B	2021-04-26
5	3	6	产​​品 2	进程B	2021-04-24
6	5	NULL	产​​品 2	进程B	2021-04-24
7	4	9	产​​品 1	进程B	2021-04-29
9	7	10	产​​品 1	进程A	2021-05-01
10	9	15	产​​品 1	进程A	2021-05-03
15	10	19	产​​品 1	进程A	2021-05-04
19	15	NULL	产​​品 1	进程C	2021-05-05

每个产品，我需要标记具有相同流程的连续/孤岛记录，例如：

<头>

ID	PrevId	NextId	产品	过程	日期	标签
1	NULL	4	产​​品 1	进程A	2021-04-24	1
4	1	7	产​​品 1	进程B	2021-04-26	2
7	4	9	产​​品 1	进程B	2021-04-29	2
9	7	10	产​​品 1	进程A	2021-05-01	3
10	9	15	产​​品 1	进程A	2021-05-03	3
15	10	19	产​​品 1	进程A	2021-05-04	3
19	15	NULL	产​​品 1	进程C	2021-05-05	4

一个产品要经历多个过程-es，并且可以多次经历同一个过程。

我基本上需要生成Tag列，其背后的逻辑是具有相同流程的连续记录应该组合在一起，但需要注意的是，相同的流程可以出现在下游，但应被视为一个新组。

我已经尝试了基本的窗口函数（ROW_NUMBER 和 DENSE_RANK），但问题是那些计算在分区内而不是跨分区。

Answer 1

您可以使用 lag() 来确定值相同的地方。然后累积和：

select t.*,
       1 + sum(case when process = prev_process then 0 else 1 end) over (partition by producct order by id) as tag
from (select t.*,
             lag(process) over (partition by product order by id) as prev_process
      from t
     ) t;

Here 是一个 db<>fiddle。

Answer 2

如果您不必验证 prevId 和 nextId（即您的数据已经正确排序），您可以尝试以下操作：

WITH cte AS(
SELECT *
       , ROW_NUMBER() OVER (PARTITION BY Product ORDER BY [Date]) x
       , DENSE_RANK() OVER (PARTITION BY Product, Process ORDER BY [Date]) y
  FROM T1
  WHERE product = 'Product 1'
),
cteTag AS(
SELECT Id, PrevId, NextId, Product, Process, [Date], x-y AS Tag_
  FROM cte
)
SELECT Id, PrevId, NextId, Product, Process, [Date], DENSE_RANK() OVER (PARTITION BY Product ORDER BY Tag_) AS Tag
  FROM cteTag
ORDER BY [Date]