Wählen Sie bestimmte Benutzergruppen nach Zeitbereich aus

Zähle alle Zeilen

SELECT date, '1_D' AS time_series,  count(DISTINCT user_id) AS cnt
FROM   uniques
GROUP  BY 1

UNION  ALL
SELECT DISTINCT ON (1)
       date, '2_W', count(*) OVER (PARTITION BY week_beg ORDER BY date)
FROM   uniques

UNION  ALL
SELECT DISTINCT ON (1)
       date, '3_M', count(*) OVER (PARTITION BY month_beg ORDER BY date)
FROM   uniques
ORDER  BY 1, time_series

• Ihre Spalten week_beg und month_beg sind 100 % redundant und können einfach durch date_trunc('week', date + 1) - 1 ersetzt werden und date_trunc('month', date) bzw..

• Ihre Woche scheint am Sonntag (off by one) zu beginnen, daher der + 1 .. - 1 .

• Der Standardrahmen einer Fensterfunktion mit ORDER BY im OVER Klausel verwendet ist RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW . Genau das brauchen Sie.

• Verwenden Sie UNION ALL , nicht UNION .

• Ihre unglückliche Wahl für time_series (D, W, M) sortiert nicht gut, ich habe umbenannt, um den endgültigen ORDER BY zu machen einfacher.

• Diese Abfrage kann mehrere Zeilen pro Tag verarbeiten. Zählt alle Peers für einen Tag.

• Mehr über DISTINCT ON :

  • Zuerst auswählen Zeile in jeder GROUP BY-Gruppe?

DISTINCT Nutzer pro Tag

Um jeden Benutzer nur einmal pro Tag zu zählen, verwenden Sie einen CTE mit DISTINCT ON :

WITH x AS (SELECT DISTINCT ON (1,2) date, user_id FROM uniques)
SELECT date, '1_D' AS time_series,  count(user_id) AS cnt
FROM   x
GROUP  BY 1

UNION ALL
SELECT DISTINCT ON (1)
       date, '2_W'
      ,count(*) OVER (PARTITION BY (date_trunc('week', date + 1)::date - 1)
                      ORDER BY date)
FROM   x

UNION ALL
SELECT DISTINCT ON (1)
       date, '3_M'
      ,count(*) OVER (PARTITION BY date_trunc('month', date) ORDER BY date)
FROM   x
ORDER BY 1, 2

DISTINCT Nutzer über einen dynamischen Zeitraum

Sie können jederzeit auf korrelierte Unterabfragen zurückgreifen . Neigen dazu, bei großen Tabellen langsam zu sein!
Aufbauend auf den vorherigen Abfragen:

WITH du AS (SELECT date, user_id FROM uniques GROUP BY 1,2)
    ,d  AS (
    SELECT date
          ,(date_trunc('week', date + 1)::date - 1) AS week_beg
          ,date_trunc('month', date)::date AS month_beg
    FROM   uniques
    GROUP  BY 1
    )
SELECT date, '1_D' AS time_series,  count(user_id) AS cnt
FROM   du
GROUP  BY 1

UNION ALL
SELECT date, '2_W', (SELECT count(DISTINCT user_id) FROM du
                     WHERE  du.date BETWEEN d.week_beg AND d.date )
FROM   d
GROUP  BY date, week_beg

UNION ALL
SELECT date, '3_M', (SELECT count(DISTINCT user_id) FROM du
                     WHERE  du.date BETWEEN d.month_beg AND d.date)
FROM   d
GROUP  BY date, month_beg
ORDER  BY 1,2;

SQL-Fiddle für alle drei Lösungen.

Schneller mit dense_rank()

@Clodoaldo kam mit einer großen Verbesserung:Verwenden Sie die Fensterfunktion dense_rank() . Hier ist eine weitere Idee für eine optimierte Version. Es sollte noch schneller gehen, tägliche Duplikate sofort auszuschließen. Der Leistungsgewinn wächst mit der Anzahl der Zeilen pro Tag.

Aufbauend auf einem vereinfachten und bereinigten Datenmodell - ohne die überflüssigen Spalten - day als Spaltenname anstelle von date

date ist ein reserviertes Wort in Standard-SQL und ein einfacher Typname in PostgreSQL und sollte nicht als Bezeichner verwendet werden.

CREATE TABLE uniques(
   day date     -- instead of "date"
  ,user_id int
);

Verbesserte Abfrage:

WITH du AS (
   SELECT DISTINCT ON (1, 2)
          day, user_id 
         ,date_trunc('week',  day + 1)::date - 1 AS week_beg
         ,date_trunc('month', day)::date         AS month_beg
   FROM   uniques
   )
SELECT day, count(user_id) AS d, max(w) AS w, max(m) AS m
FROM  (
    SELECT user_id, day
          ,dense_rank() OVER(PARTITION BY week_beg  ORDER BY user_id) AS w
          ,dense_rank() OVER(PARTITION BY month_beg ORDER BY user_id) AS m
    FROM   du
    ) s
GROUP  BY day
ORDER  BY day;

SQL-Fiddle demonstriert die Leistung von 4 schnelleren Varianten. Es hängt von Ihrer Datenverteilung ab, welche für Sie am schnellsten ist.
Alle sind etwa 10x so schnell wie die Version mit korrelierten Unterabfragen (was für korrelierte Unterabfragen nicht schlecht ist).