Time-Series Analysis in SQL Server

Parsing dates with date parts

datepart()
datename()

parts :

• year/month/day
• day of year
• day of week

DECLARE
	@SomeTime DATETIME2(7) = SYSUTCDATETIME();

-- Retrieve the year, month, and day
SELECT
	YEAR(@SomeTime) AS TheYear,
	MONTH(@SomeTime) AS TheMonth,
	DAY(@SomeTime) AS TheDay;

comparing dates

DECLARE
	@BerlinWallFalls DATETIME2(7) = '1989-11-09 23:49:36.2294852';

-- Fill in each date part
SELECT
	DATEPART(YEAR, @BerlinWallFalls) AS TheYear

dateadd : add dates with intervals

DECLARE
	@LeapDay DATETIME2(7) = '2012-02-29 18:00:00';

-- Fill in the date parts and intervals as needed
SELECT
	DATEADD(DAY, -1, @LeapDay) AS PriorDay

Formatting dates for reporting

: useful for converting one data type to another data type

CAST() :

• no control over formatting from dates to strings
• ANSI SQL standard, meaning any relational and most non-relational DB have this function

CAST(@SomeDate AS NVARCAHR(30)) AS A

CONVERT() :

• some control over formatting from dates to strings using the style parameter
• specific to T-SQL

DECLARE
	@CubsWinWorldSeries DATETIME2(3) = '2016-11-03 00:30:29.245';

SELECT
	CONVERT(DATE, @CubsWinWorldSeries) AS CubsWinDateForm,
	CONVERT(NVARCHAR(30), @CubsWinWorldSeries) AS CubsWinStringForm;

FORMAT() :

• much more flexibility over formatting from dates to strings than either CAST() or CONVERT()
• specific to T-SQL

T-SQL?
Transact-SQL : SQL 표준에서 확장하여 문자열 처리, 날짜 처리, 계산 등을 위한 다양한 지원 함수, delete 및 update 문에 대한 변경, 절차적 프로그래밍, 지역 변수를 포함함
이러한 부가 기능들은 트랜잭트 SQL을 튜링 완전으로 만든다.

튜링 완전? : 튜링 기계와 동일한 계산 능력을 가진다는 의미.. 튜링 기계는 여러가지 기호들을 일정한 규칙에 따라 바꾸는 기계인데.. 이 기계는 적당한 규칙과 기호를 입력한다면 일반적인 컴퓨터의 알고리즘을 수행할 수 있는 것이라고 한다.. 컴퓨터 CPU의 기능을 설명하는데 상당히 유용하다
오 이거 참 흥미롭기는 하지만 더 들어가면 너무 산으로 빠질 것같다

ref : https://ko.wikipedia.org/wiki/%ED%8A%B8%EB%9E%9C%EC%9E%AD%ED%8A%B8_SQL
ref : https://ko.wikipedia.org/wiki/%ED%8A%9C%EB%A7%81_%EC%99%84%EC%A0%84
ref : https://ko.wikipedia.org/wiki/%ED%8A%9C%EB%A7%81_%EA%B8%B0%EA%B3%84

++ format이 다른 함수들보다 좀 느린 경향이 있다.

DECLARE
	@Python3ReleaseDate DATETIME2(3) = '2008-12-03 19:45:00.033';
    
SELECT
	-- 20081203
	format(@Python3ReleaseDate, 'yyyyMMdd') AS F1

Working with calendar tables

Apply()

---

Building from parts

• DATEFROMPARTS(y, m, d)
• TIMEFROMPARTS(h, m, s, fraction, precision)
• DATETIMEFROMPARTS(y, m, d, h, minute, s, ms)
• DATETIME2FROMPARTS(y, m, d, h, minute, s, fraction, precision)
• SMALLDATETIMEFROMPARTS(y, m, d, h, minute)
• DATETIMEOFFSETFROMPARTS(y, m ,d, h, minute, s, fraction, hour_offset, minute_offset, precision)

Translating date strings

Cost of parsing

function	conversions per sec
CONVERT()	251,997
CAST()	240,347
PARSE()	12,620

• 따라서 양이 크다면 CONVERT()나 CAST()를, 작으면서 퍼포먼스가 좋길 바란다면 PARSE()를 사용하길 권함

Handling invalid dates

• Unsafe : CAST, CONVERT, PARSE
• Safe : TRY_CAST, TRY_CONVERT, TRY_PARSE

에러를 뱉지 않고 이렇게 리턴해준다고 한다.

Basic aggregation functions

counts	other aggregates
COUNT()	SUM()
COUNT_BIG()	MIN()
COUNT(DISTINCT)	MAX()

SUM(CASE WHEN ir.NumberOfIncidents > 5 THEN 1 ELSE 0 END) AS NumberOfBigIncidentDays,

• AVG() : mean
• STDEV() : standard deviation
• STDEVP() : population standard deviation
• VAR() : variance
• VARP() : population variance

sql에서 median 의 경우 전체 row를 모두 본 다음에 리턴하기때문에 힘들다는 것..

Downsampling and upsampling data

Downsampling	Upsampling
Aggregate data	Disaggregate data
Can usually sum or count results	Need an allocation rule
Provides a higher-level picture of the data	Provides artificial granularity

Grouping

• ROLLUP : hierarchical data

• CUBE : cartesian aggregation

• GROUPING SETS : to any
  

Using aggregation functions over windows

ROW_NUMBER() : unique
RANK() : not unique, can skip numbers
DENSE_RANK() : does not skip numbers

Partitions :

• RANK PARTITIONed by some standard

LAG( ) and LEAD( )

• LAG() : return prior row
• LEAD() : return next row

+ CTE (Common Table Expression)

CTE :

• 쿼리 실행 중에 메모리에 존재하는 테이블
• 쿼리 내부에서 임시 테이블을 정의하는 것
• 예비 동작 없이 쿼리문 내부에서 모든 것을 일괄 처리
• with 구문으로 쿼리문에 대해 이름을 붙여 생성

ref: https://wyatt37.tistory.com/62