SQL实战从在职到离职（1）如何处理连续查询

书接上回，最近离职在家了实在无聊，除了看看考研的书，打打dnf手游，也就只能写写代码，结果昨晚挂在某平台的一个技术出售有人下单了，大概业务是需要帮忙辅导一些面试需要用到的SQL。

回想了下，在该平台接单SQL也超过3w元了，考察的也就是那几大类，我准备开一个新的专题，把我遇到的题目做一些示例和总结，欢迎大家指正。

今日主题：连续数据的查询

场景

场景一：需要查询最大连续签到的时长，一般用于toc的场景中

场景二：查询连续人流量超过2w的日期，某游乐场的业务管理系统

思路

这种题目我一般常用的思路就是动转静，连续转不变。

比如场景二，需要找连续的日期，那么就要再找一个连续的变量，让两个变量进行相减或者其他操作，得到不变的数据，然后通过分组或者分区查询即可。

例题

体育馆人流量表

列名	类型
id	int
visit_date	date
people	int

visit_date 是该表中具有唯一值的列。

每日人流量信息被记录在这三列信息中：序号 (id)、日期 (visit_date)、人流量 (people)

每天只有一行记录，id与日期递增，日期不一定是连续递增。

编写SQL找出每天的人数大于或等于 100 且日期连续的三行或更多行记录。返回按 visit_date 升序排列的结果表

Scheme:

Create table If Not Exists Stadium (id int, visit_date DATE NULL, people int)

Truncate table Stadium

insert into Stadium (id, visit_date, people) values ('1', '2017-01-01', 10)

insert into Stadium (id, visit_date, people) values ('2', '2017-01-02', 109)

insert into Stadium (id, visit_date, people) values ('3', '2017-01-03', 150)

insert into Stadium (id, visit_date, people) values ('4', '2017-01-04', 99)

insert into Stadium (id, visit_date, people) values ('5', '2017-01-05', 145)

insert into Stadium (id, visit_date, people) values ('6', '2017-01-06', 1455)

insert into Stadium (id, visit_date, people) values ('7', '2017-01-07', 199)

insert into Stadium (id, visit_date, people) values ('8', '2017-01-09', 188)

例题解释

体育馆的人流表，要求找出最少三天连续人流量超过100的数据，并且按照

visit_date升序排序。

实战

做题目前先回顾下SqlServer中的一个函数

DATEADD(DAY,2,'2020-03-27');

该函数可以在日期上进行加减，并且可以执行加减的日期部分，DAY表示天数增加。

按照思路，日期连续，那么可以生成一列行号，用日期与行号作差，如果结果相等则表示连续。

解题生成行号

需要自己创造动态列，比如自己添加行号列

至于为什么不用ID，id也是递增的，我们做完再讲。

SELECT t1.id,t1.visit_date,t1.people FROM (

SELECT t.*, COUNT(1) OVER(partition by DATEADD(DAY, t.rowId * -1,t.visit_date)) AS daysCount FROM

(SELECT *,ROW_NUMBER() Over (ORDER BY id) as rowId FROM Stadium where people >= 100) t

) t1 WHERE t1.daysCount > =3

步骤

1.筛选人流量大于等于100的数据，并且通过分区函数增加行号

2.用日期减去行号得到一个日期，相等则表示日期连续，再次通过分区函数基于得到的日期获取分区数量

3.筛选分区数量大于等于3的就是连续三天或者三天以上人流量大于等于100的数据

4.作为子查询结果处理得到结果。

结果

为什么不用id还是需要自己创造行号。因为筛选掉人流量不够的数据后，id与时间的等差结果还是不会变，就会得到错误的数据，本身不满足的数据仍旧会被查询出来。