SQL疑难问题

      最近，遇到并解决一个SQL上的疑难问题。考勤系统，记录着员工进出公司的刷卡记录。而员工刷卡并不规范，存在刷多次的情况。例如：出去时连续刷多次，进来时也连续刷多次。筛选有效刷卡记录数据的规则：对于出去时连续刷多次（包含一次）的情况，取第一次刷卡记录；对于进来时连续刷多次（包含一次）的情况，取最后一次的刷卡记录。考勤系统的数据量很大，假设公司有2万名员工，一员工一天100条刷卡记录。

      用什么方法可以高效地查出某一时间范围内员工的有效刷卡记录？

      测试表及测试数据如下：       

create table Attendance
(
UserId  int,            --员工ID
ClockInTime datetime,   --员工刷卡时间
Flag char(1)            --进出标志 '1'代表出,'0'代表进   
) 

insert Attendance
values(100001,'2015-06-01 08:03:00','1'),
      (100001,'2015-06-01 08:03:10','1'),
      (100001,'2015-06-01 08:03:50','1'),
      (100001,'2015-06-01 08:04:00','1'),
      (100001,'2015-06-01 08:10:00','0'),
      (100001,'2015-06-01 08:10:10','0'),
      (100001,'2015-06-01 08:15:00','1'),
      (100001,'2015-06-01 08:30:00','1'),
      (100001,'2015-06-01 08:40:10','0'),
      (100001,'2015-06-01 09:00:00','1'),
      (100001,'2015-06-01 09:15:10','0'),
      (100001,'2015-06-01 09:30:00','1'),
      (100002,'2015-06-01 08:03:00','0'),
      (100002,'2015-06-01 08:03:10','0'),
      (100002,'2015-06-01 08:03:50','1'),
      (100002,'2015-06-01 08:04:00','1'),
      (100002,'2015-06-01 08:10:00','1'),
      (100002,'2015-06-01 08:10:10','0'),
      (100002,'2015-06-01 08:15:00','1'),
      (100002,'2015-06-01 08:30:00','1'),
      (100002,'2015-06-01 08:40:10','1'),
      (100002,'2015-06-01 09:00:00','0'),
      (100002,'2015-06-01 09:15:10','0'),
      (100002,'2015-06-01 09:30:00','1')

而需筛选的有效数据为红色标记部分：

而作为测试数据，也就只提供两名员工，每人一天12条的刷卡记录，需要完成的是将红色标记的数据筛选出来。

不难看出问题的难点在于判断哪些数据是连续（进或出）的，无论出去还是进来。把这一点解决了，所有的问题也就迎刃而解。

1）首先，想到了递归查询。但是很快否定了想法，这个方法判断不出来数据是否连续。

2）其次，又考虑游标。或许游标能判断是否连续的问题，但是处理大数据量时，性能肯定极其低。

 

最后，闪现一个思路，没想到顺着这个思路把问题解决了。

1，先按UserID、日期分组，组内按ClockInTime升序排列。

select *,
ROW_NUMBER() over(partition by UserId,convert(varchar(10),ClockInTime,23) order by ClockInTime) as RN into #tmp
 from Attendance 

select * from #tmp order by UserId,ClockInTime

结果如图：

 

2，再按UserID、日期、Flag分组，组内按ClockInTime升序排列。

select *,
ROW_NUMBER() over(partition by UserId,convert(varchar(10),ClockInTime),Flag order by ClockInTime) as RN1 into #tmp1
from Attendance 

select * from #tmp1 order by UserId,ClockInTime

结果如图：

 

3，用#tmp1中的RN1与#tmp中的RN做差。

select a.*,b.RN1,b.RN1-a.RN as RN2 into #tmp2
 from #tmp as a,#tmp1 as b 
 where a.UserId=b.UserId and a.ClockInTime=b.ClockInTime and a.Flag=b.Flag

select * from #tmp2 order by UserId,ClockInTime

结果如图：

 

3，根据UserID、日期、Flag、RN2可以判断出哪些数据是连续的，然后，用Row_Number()排序一下，就可以筛选所需要的数据。

select *,
 case when Flag='1' then ROW_NUMBER() over(Partition by UserID,convert(varchar(10),ClockInTime,23),Flag,RN2 order by ClockInTime) 
 else ROW_NUMBER() over(Partition by UserID,convert(varchar(10),ClockInTime,23),Flag,RN2 order by ClockInTime desc) end as RId
 into #tmp3
 from #tmp2 

select * from #tmp3 order by UserId,ClockInTime

结果如图：

 

4，RID=‘1’的数据是正确的结果，即有效的刷卡记录数据。

select UserId,ClockInTime,Flag 
from #tmp3 
where Rid='1' 
order by UserId,ClockInTime

结果如图：

 

这样问题就解决了。进一步优化sql，其实1，2，3等3个步骤只要一步就解决了

select *,
ROW_NUMBER() over(partition by UserId,convert(varchar(10),ClockInTime,23) order by ClockInTime)-ROW_NUMBER() over(partition by UserId,convert(varchar(10),ClockInTime),Flag order by ClockInTime) as RN
from Attendance order by UserId,ClockInTime

有了上面查询的结果，后面的查询也简单多了。如果用一句SQL来解决的话，那就是：

select UserId,ClockInTime,Flag from (
select *,
case when Flag='1' then ROW_NUMBER() over(Partition by UserID,convert(varchar(10),ClockInTime,23),Flag,RN order by ClockInTime) 
else ROW_NUMBER() over(Partition by UserID,convert(varchar(10),ClockInTime,23),Flag,RN order by ClockInTime desc) end as RId
from (
select *,
ROW_NUMBER() over(partition by UserId,convert(varchar(10),ClockInTime,23) order by ClockInTime)-ROW_NUMBER() over(partition by UserId,convert(varchar(10),ClockInTime),Flag order by ClockInTime) as RN
from Attendance
) as a
) as b 
where RId='1' order by UserId,ClockInTime