这个挑战来源于容量规划和资源分配领域，特别是在酒店预订平台、云基础设施自动扩展和医疗设施调度等系统中。早期的解决方案依赖于基于游标的迭代或外部应用逻辑来遍历时间线，在处理大型数据集时遭遇了严重的性能惩罚。ANSI SQL:2003 窗口函数的出现使得时间分析能够采用纯关系的方法，使数据库能够高效地处理复杂的区间算术。
给定一个包含 start_time 和 end_time 时间戳的资源预订表，目标是确定在任何瞬间同时进行的最大预订数量，并识别出这一高峰发生的具体时间窗口。复杂性在于，标准聚合会压缩时间数据，而简单联接在区间重叠时会产生笛卡尔爆炸。一个稳健的解决方案必须将区间的开始和结束视为离散事件，计算每个过渡点上活跃资源的运行总数。
规范的方法是使用 UNION ALL 将区间转换为离散事件，以分开开始（权重 +1）和结束（权重 -1），然后通过 SUM() OVER (ORDER BY timestamp) 应用累积和来跟踪并发性。为确定性地处理同时开始/结束事件，必须在同一时间戳下优先处理结束事件（使用次要排序键）。最后，将其封装在 CTE 中以过滤出最大并发值。
WITH events AS ( SELECT start_time AS ts, 1 AS delta, 0 AS is_end FROM reservations UNION ALL SELECT end_time AS ts, -1 AS delta, 1 AS is_end FROM reservations ), concurrency AS ( SELECT ts, SUM(delta) OVER (ORDER BY ts, is_end, delta ROWS UNBOUNDED PRECEDING) AS concurrent_count FROM events ) SELECT MAX(concurrent_count) AS peak_concurrency FROM concurrency;
为了找到峰值使用的具体时间窗口，回联接以识别连续时间戳之间计数等于最大值的期间。
一个SaaS平台在一个包含 started_at 和 completed_at 时间戳的表 jobs 中跟踪数百万个视频转码作业。操作团队需要识别GPU利用率达到100%的确切时间段，以优化队列调度。
考虑的一个方法是使用游标按时间顺序迭代，在开始时递增计数器，在结束时递减。虽然对于熟悉命令式语言的开发人员来说相对简单，但这种方法按顺序处理行，在生产数据上花费了超过45分钟并锁定了表。它还需要复杂的事务管理以确保读取一致性。
另一个替代方案是生成一个时间序列表，每分钟一行，并使用 BETWEEN 谓词将其与区间联接。虽然产生了准确的结果，但为了获取一年内的分钟级精度，要求数十亿行，占用数TB的临时存储，并未捕捉到子分钟级的峰值波动。
团队选择了基于事件的 UNION ALL 方法与 ANSI SQL 窗口函数。在将开始和结束视为 +1/-1 事件后，该查询使用时间戳列上的标准B树索引在12秒内执行。此方法正确处理了作业在其他作业开始时恰好结束的边界情况。
分析显示，峰值并发发生在协调世界时02:00到02:07之间，达到847个同时作业。通过为这个时间窗口实施动态队列节流，他们防止了级联故障，并减少了30%的基础设施过度配置。
你如何处理零持续时间区间（start_time = end_time），而不错误地膨胀并发计数？
零持续时间区间表示瞬时事件，不应对并发负载产生贡献。如果将其视为标准区间，它们可能在自己的结束事件期间被计为活跃。解决方案需要分配严格的排序键：在时间戳发生冲突时，优先处理结束事件 (-1) 再处理开始事件 (+1)，并完全将零持续时间区间从事件流中排除或根据业务逻辑赋予它们一个增量为0。在 ANSI SQL 中，通过添加一个区分列来实现：ORDER BY ts, is_end ASC, delta ASC，确保终止在新分配在相同时间戳上递增之前递减计数。
如果你在合并开始和结束事件时使用 UNION 而不是 UNION ALL，事件驱动的方法为什么可能返回不正确的结果？
UNION 隐式地执行 DISTINCT 操作，压缩重复的时间戳。如果两个预订在 2023-10-01 10:00:00 恰好开始，UNION 会将其减少为一行，导致累积总和缺少一个 +1 的增量。这会导致并发计数不足。UNION ALL 保留每个单独的区间边界作为一个独立事件，数学上是必需的，因为每个预订独立对总负载做出贡献。候选人常常忽视这一区别，假设时间戳是唯一的，而多重性对于正确聚合是必不可少的。
在计算峰值并发的具体时间窗口时（不仅仅是最大值），你如何避免输出中的间隙，如果多个连续时间段具有相同的峰值？
在识别最大并发值后，回联接以查找所有具有此值的时间戳会产生离散点。为了重建连续持续块，必须应用 Gaps and Islands 技巧：使用 LAG() 检查前一行是否也是峰值，使用 LEAD() 检查下一行是否在峰值。仅输出前一个值不同（岛屿开始）或下一个值不同（岛屿结束）的行。然后使用 ROW_NUMBER() 将这些对配对。候选人经常输出原始时间戳列表或在计数值上使用 GROUP BY，这会丢失区分一个连续峰值期内不同峰值事件所需的时间邻接信息。