从以下数据集中，我需要找到每个客户的 begin_date 出现在上一条记录的 end_date（按日期）的 30 天内的所有记录。
我需要将客户端 X 的第 1 行与第 2 行（如果存在）、第 2 行与第 3 行（如果存在）进行比较，依此类推。
客户 ID BEGIN_DATE END_DATE
14 2016-12-07 11:00:00.0 2017-04-06 09:28:00.0
14 2017-04-07 06:00:00.0 2017-11-30 09:46:00.0
22 2016-04-20 03:45:00.0 2017-11-30 09:47:00.0
25 2016-07-25 04:00:00.0 2017-11-30 09:46:00.0
121 2017-08-23 07:00:00.0 2017-11-30 09:45:00.0
2004 2017-12-31 08:58:00.0 2018-01-05 18:35:00.0
2004 2018-04-04 00:40:00.0 2018-04-11 18:29:00.0
2004 2018-05-11 03:37:00.0 2018-05-18 14:40:00.0
2004 2018-05-31 10:22:00.0 2018-06-06 09:25:00.0
2004 2018-08-26 06:27:00.0 2018-09-03 13:00:00.0
2034 2020-03-23 23:54:00.0 2020-04-01 13:29:00.0
2046 2018-01-10 07:21:00.0 2018-01-16 14:42:00.0
2072 2021-12-20 12:08:00.0 2021-12-23 13:22:00.0
2080 2019-01-04 12:55:00.0 2019-01-08 13:43:00.0
2082 2019-06-05 01:43:00.0 2019-06-10 16:15:00.0
2091 2018-02-16 10:28:00.0 2018-02-21 18:11:00.0
2091 2018-05-23 09:55:00.0 2018-05-31 13:37:00.0
2113 2018-10-03 08:10:00.0 2018-10-08 13:13:00.0
2148 2022-11-29 18:23:00.0 2022-12-13 10:10:00.0
2148 2023-02-14 17:08:00.0 2023-02-14 17:09:00.0
2148 2023-02-14 20:41:00.0 2023-02-24 11:11:00.0
2148 2023-06-24 08:05:00.0 2023-08-03 11:19:00.0
2148 2023-12-21 08:59:00.0 2023-12-30 11:05:00.0
2149 2018-03-07 05:28:00.0 2018-04-11 09:44:00.0
2154 2018-07-16 04:12:00.0 2018-08-07 16:33:00.0
2154 2018-09-03 02:14:00.0 2018-09-11 20:42:00.0
2154 2018-10-16 12:47:00.0 2019-05-30 11:21:00.0
2190 2018-02-06 01:40:00.0 2018-02-15 11:50:00.0
2195 2021-08-11 14:58:00.0 2021-08-17 09:52:00.0
2197 2018-02-19 09:47:00.0 2018-02-23 08:04:00.0
2197 2018-07-18 05:38:00.0 2018-07-25 11:33:00.0
2197 2018-10-04 03:00:00.0 2018-10-15 12:18:00.0
2197 2019-01-27 04:31:00.0 2019-01-31 09:36:00.0
2198 2018-02-09 02:57:00.0 2018-02-21 13:01:00.0
2227 2018-06-11 01:21:00.0 2018-06-14 11:57:00.0
2227 2019-10-29 14:04:00.0 2019-11-04 16:32:00.0
2282 2021-02-11 18:53:00.0 2021-03-04 10:23:00.0
2306 2020-01-28 12:57:00.0 2020-02-03 19:15:00.0
2315 2019-05-22 17:37:00.0 2019-05-23 19:30:00.0
2324 2018-07-25 01:35:00.0 2018-07-31 12:51:00.0
2330 2020-01-13 15:55:00.0 2020-01-21 18:27:00.0
2330 2020-03-04 23:40:00.0 2020-03-10 17:46:00.0
2356 2018-06-08 03:59:00.0 2018-06-15 12:38:00.0
2415 2017-12-18 07:06:00.0 2017-12-21 17:00:00.0
2423 2018-10-10 01:14:00.0 2018-10-17 15:46:00.0
2423 2019-09-16 21:53:00.0 2019-09-19 13:55:00.0
2460 2023-11-13 04:17:00.0 2023-11-16 11:17:00.0
2469 2019-09-14 09:36:00.0 2019-09-20 15:19:00.0
2497 2019-05-14 23:27:00.0 2019-05-22 11:13:00.0
2531 2017-12-26 07:46:00.0 2018-01-03 19:53:00.0
2531 2018-05-07 06:02:00.0 2018-05-14 20:54:00.0
2533 2019-02-18 19:43:00.0 2019-02-28 15:23:00.0
2533 2019-04-30 20:34:00.0 2019-09-12 08:29:00.0
2567 2018-01-25 01:49:00.0 2018-03-06 08:59:00.0
2567 2018-11-06 10:57:00.0 2018-11-17 13:22:00.0
2567 2018-12-23 10:38:00.0 2019-01-09 15:54:00.0
2567 2019-04-19 20:22:00.0 2019-07-06 16:18:00.0
2585 2018-01-02 11:35:00.0 2018-01-12 11:50:00.0
OLAP 函数 - 特别是 LAG 和 LEAD 在这里会很有帮助。 查看以下查询，列出天数差异：
SELECT clientid, BEGIN_DATE, END_DATE
, lag(END_DATE) OVER (PARTITION BY clientid ORDER BY END_DATE) AS lag_END_DATE
, days_Between(BEGIN_DATE, lag(END_DATE) OVER (PARTITION BY clientid ORDER BY END_DATE)) AS Difference_in_days
FROM client
通过过滤结果，您可以获得您所描述的内容。我故意在结果集中留下了 lag_END_DATE，以便您可以看到中间步骤。