问题域:我(这是企业)有一个可以接受公共连接的wifi网络。我们想知道每个设备与每个访问点(AP)保持连接的时间。这就是所谓的“停留时间”。问题很复杂,因为设备白天通常可以在AP之间移动,并且经常会多次返回其中许多AP。
[我们目前使用Splunk作为我们的数据捕获和报告工具,它可以自动完成,但是我们正在考虑迁移到AWS,因此需要使用ETL和SQL的组合来重新构建所有内容。
我有如下数据:
rowID clientMAC apMAC timeSeen
100 1 a 12:01
101 1 a 12:03
102 1 a 12:05
103 1 b 12:10
104 1 b 12:20
105 2 a 12:20
106 2 a 12:22
107 1 a 13:00
108 1 a 13:02
109 1 a 13:06
110 1 a 13:12
[我的挑战是报告每个clientAP + macAP示例的持续时间,例如,clientMAC=1
连接到apMAC=a
多长时间。
由于timeSeen
连接到中间的timeSeen
,因此我无法从初始clientMAC=1
中获得最后的apMAC=b
,因此结果也将包括该连接的时间。
我需要做的简单的英语逻辑是:
对于clientMAC
和apMAC
的每个分组,请确定所选时间段内的连接持续时间。如果在相同组合的行之间存在15分钟的间隔,请开始新的工期计算并关闭旧的工期。本质上,在给定clientMAC
处看到的给定apMAC
的每组应该是单独的“交易”,并以单行形式报告。
所以所需的输出类似于:
clientMAC apMAC Duration
1 a ...
1 b ...
2 a ...
1 a ...
您可以使用lag()
和累积和分配组。因为您提到了AWS,所以我将使用与该数据库兼容的语法:
select clientmac, apmac, min(timeseen), max(timeseen)
from (select t.*,
sum( case when prev_timeseen > timeseen - interval '15 minute'
then 0 else 1
end) over (partition by clientmac, apmac order by timeseen) as grouping
from (select t.*,
lag(timeseen) over (partition by clientmac, apmac order by timeseen) as prev_timeseen
from t
) t
) t
group by clientmac, apmac, grouping
order by min(timeseen);
实际计算时间差取决于数据类型。您可能只需要减去MIN()
和MAX()
值即可。