Počítat kumulativní součet v Postgresql

U větších datových sad funkce oken jsou nejefektivnějším způsobem, jak provádět tyto druhy dotazů – tabulka bude prohledána pouze jednou, namísto jednou pro každé datum, jako by to dělalo vlastní připojení. Také to vypadá mnohem jednodušeji. :) PostgreSQL 8.4 a vyšší mají podporu pro funkce okna.

Takhle to vypadá:

SELECT created_at, sum(count(email)) OVER (ORDER BY created_at)
FROM subscriptions
GROUP BY created_at;

Zde OVER vytvoří okno; ORDER BY created_at znamená, že musí sečíst počty v created_at objednávka.

Upravit: Pokud chcete odstranit duplicitní e-maily během jednoho dne, můžete použít sum(count(distinct email)) . Bohužel se tím neodstraní duplikáty, které překračují různá data.

Pokud chcete odstranit vše duplikáty, myslím, že nejjednodušší je použít poddotaz a DISTINCT ON . Toto přiřadí e-maily k jejich nejstaršímu datu (protože je řadím vzestupně podle created_at, vybere se nejstarší):

SELECT created_at, sum(count(email)) OVER (ORDER BY created_at)
FROM (
    SELECT DISTINCT ON (email) created_at, email
    FROM subscriptions ORDER BY email, created_at
) AS subq
GROUP BY created_at;

Pokud vytvoříte index na (email, created_at) , ani tento dotaz by neměl být příliš pomalý.

(Pokud chcete testovat, takto jsem vytvořil ukázkovou datovou sadu)

create table subscriptions as
   select date '2000-04-04' + (i/10000)::int as created_at,
          '[email protected]' || (i%700000)::text as email
   from generate_series(1,1000000) i;
create index on subscriptions (email, created_at);