PostgreSQL
 sql >> Base de Dados >  >> RDS >> PostgreSQL

Preencha a tabela com dados para data ausente (postgresql, redshift)


Veja a ideia por trás da consulta:
select distinct on (domain, new_date) *
from (
    select new_date::date 
    from generate_series('2016-04-12', '2016-04-17', '1d'::interval) new_date
    ) s 
left join a_table t on date <= new_date
order by domain, new_date, date desc;

  new_date  |     domain      |    date    | visitors | hits  
------------+-----------------+------------+----------+-------
 2016-04-12 | www.domain1.com | 2016-04-12 |     1231 | 23423
 2016-04-13 | www.domain1.com | 2016-04-13 |     1374 | 26482
 2016-04-14 | www.domain1.com | 2016-04-13 |     1374 | 26482
 2016-04-15 | www.domain1.com | 2016-04-13 |     1374 | 26482
 2016-04-16 | www.domain1.com | 2016-04-13 |     1374 | 26482
 2016-04-17 | www.domain1.com | 2016-04-17 |     1262 | 21493
(6 rows)

Você terá que escolher as datas de início e término de acordo com seus requisitos. A consulta pode ser bastante cara (você mencionou sobre bilhões de lacunas), portanto, aplique-a com cautela (teste em um subconjunto de dados menor ou execute por etapas).

Na ausência de generate_series() você pode criar seu próprio gerador. Aqui está um exemplo interessante . As visualizações do artigo citado podem ser usadas em vez de generate_series() . Por exemplo, se você precisar do período '2016-04-12' + 5 days :
select distinct on (domain, new_date) *
from (
    select '2016-04-12'::date+ n new_date
    from generator_16
    where n < 6
    ) s 
left join a_table t on date <= new_date
order by domain, new_date, date desc;

você obterá o mesmo resultado como no primeiro exemplo.