需求：
媳妇儿最近担心宝宝的吃奶时间不够规律，网上说是正常平均3小时喂奶一次，让我记录下每次的吃奶时间，分析下实际是否偏差很大，好在下次去医院复查时反馈给医生。
此外，还要注意有时候哭闹要吃奶，而实际只吃了两口便不吃了。这种情况要特殊标记下，如果不算这种情况的话，分析看是否正常。
环境：
Oracle 11.2.0.4
1.记录每次吃奶时间
我在自己的Oracle测试环境中创建了一张表t_baby，用于实现记录宝宝每次的吃奶时间：
test@DEMO> desc t_baby
Name Null? Type
----------------------------------------- -------- ------------
ID NOT NULL NUMBER
FEED_TIME NOT NULL DATE
LABEL VARCHAR2(1)
注意:这里的LABEL字段就是用于标志吃奶量的。
默认值设置为’N’,代表吃奶量正常；如果吃奶量很少，则可将对应记录的LABEL字段值手工更新为’L’；如果吃奶量非常多，超过正常值，则更新为’M’。
由于每次吃奶都要人为的插入一条数据，为了简化这个运维操作，将插入语句保存到文件i.sql中，内容如下：
test@DEMO> get i
1 PROMPT Please input your feed_time(mmdd hh24:mi). eg:1213 08:00
2* insert into t_baby(id,feed_time) values(s1.nextval,to_date('&feed_time','mmdd hh24:mi'))
test@DEMO>
这样每次执行插入就可以方便的直接@i调用插入，比如刚刚媳妇儿告知我本次吃奶时间是13:16，那直接调用插入即可：
test@DEMO> @i
Please input your feed_time(mmdd hh24:mi). eg:1213 08:00
Enter value for feed_time: 1213 13:16
old 1: insert into t_baby(id,feed_time) values(s1.nextval,to_date('&feed_time','mmdd hh24:mi'))
new 1: insert into t_baby(id,feed_time) values(s1.nextval,to_date('1213 08:00','mmdd hh24:mi'))
1 row created.
test@DEMO> commit;
Commit complete.
确认刚刚插入的数据无误后，一定要记得提交事物。我之所以没有将commit写到脚本中，就是为了当发现数据输入有误，方便直接rollback回滚。
现在我们来看一下现有的数据，详细记录了每一次的吃奶时间：
test@DEMO> alter session set nls_date_format='yyyy-mm-dd hh24:mi:ss';
Session altered.
test@DEMO> select * from t_baby;
ID FEED_TIME LABEL
---------- ------------------- -----
6 2019-12-13 02:49:00 N
7 2019-12-13 04:58:00 N
8 2019-12-13 09:01:00 N
9 2019-12-13 10:40:00 L
15 2019-12-13 11:50:00 N
16 2019-12-13 13:16:00 N
6 rows selected.
可以看到ID=9这条记录的LABEL=’L’,也就是说这次吃奶量非常少。
2.计算吃奶时间间隔
也许有人禁不住会问，你这么简单的需求还把它弄到Oracle数据库里，还用SQL计算实现。什么？你说你还要用到Oracle分析函数？
其实不必太较真了，适合自己的才是最好的，我就是喜欢敲sqlplus不喜欢用Excel等工具，还能复习下分析函数，何乐而不为呢。
废话不多说，来看如何用分析函数显示上次喂奶时间L_TIME：
select t.*, lag(feed_time) over(order by id) l_time from t_baby t;
test@DEMO> select t.*, lag(feed_time) over(order by id) l_time from t_baby t;
ID FEED_TIME L L_TIME
---------- ------------------- - -------------------
6 2019-12-13 02:49:00 N
7 2019-12-13 04:58:00 N 2019-12-13 02:49:00
8 2019-12-13 09:01:00 N 2019-12-13 04:58:00
9 2019-12-13 10:40:00 L 2019-12-13 09:01:00
15 2019-12-13 11:50:00 N 2019-12-13 10:40:00
16 2019-12-13 13:16:00 N 2019-12-13 11:50:00
6 rows selected.
然后直接查询计算下喂奶间隔即可，以分钟为单位：
select id, feed_time, label, round((feed_time – l_time) * 24 * 60, 2) “LAG(min)”
from (select t.*, lag(feed_time) over(order by id) l_time from t_baby t);
test@DEMO> select id, feed_time, label, round((feed_time - l_time) * 24 * 60, 2) "LAG(min)" from (select t.*, lag(feed_time) over(order by id) l_time from t_baby t);
ID FEED_TIME L LAG(min)
---------- ------------------- - ----------
6 2019-12-13 02:49:00 N
7 2019-12-13 04:58:00 N 129
8 2019-12-13 09:01:00 N 243
9 2019-12-13 10:40:00 L 99
15 2019-12-13 11:50:00 N 70
16 2019-12-13 13:16:00 N 86
6 rows selected.
媳妇儿主要担心是喂奶间隔太短，会不会撑到宝宝，那如果说我们假定间隔在2h以上都是正常的话，那么对应的也就是LAG(min)>120分钟以上的为正常。
从目前已有的数据来看，的确异常次数比较多。
而我们之前说到存在喂奶量极少的情况，如果将这种情况排除在外呢？再重新计算：
select id, feed_time, label, round((feed_time – l_time) * 24 * 60, 2) “LAG(min)”
from (select t.*, lag(feed_time) over(order by id) l_time from t_baby t where label <> ‘L’);
test@DEMO> select id, feed_time, label, round((feed_time - l_time) * 24 * 60, 2) "LAG(min)" from (select t.*, lag(feed_time) over(order by id) l_time from t_baby t where label <> 'L');
ID FEED_TIME L LAG(min)
---------- ------------------- - ----------
6 2019-12-13 02:49:00 N
7 2019-12-13 04:58:00 N 129
8 2019-12-13 09:01:00 N 243
15 2019-12-13 11:50:00 N 169
16 2019-12-13 13:16:00 N 86
这下可以看到数据趋于正常，只有一次喂奶间隔在120分钟以下了。当然目前数据还比较少，后续数据多了才可以更准确的反映出异常的比例。
因为会经常查询到这个间隔时间。将这个两个语句分别保存为v1.sql和v2.sql，方便后续使用。
test@DEMO> l
1* select id, feed_time, label, round((feed_time - l_time) * 24 * 60, 2) "LAG(min)" from (select t.*, lag(feed_time) over(order by id) l_time from t_baby t)
test@DEMO> save v1 rep
Wrote file v1.sql
test@DEMO> l
1* select id, feed_time, label, round((feed_time - l_time) * 24 * 60, 2) "LAG(min)" from (select t.*, lag(feed_time) over(order by id) l_time from t_baby t where label <> 'L')
test@DEMO> save v2 rep
Wrote file v2.sql
test@DEMO> @v1
ID FEED_TIME L LAG(min)
---------- ------------------- - ----------
6 2019-12-13 02:49:00 N
7 2019-12-13 04:58:00 N 129
8 2019-12-13 09:01:00 N 243
9 2019-12-13 10:40:00 L 99
15 2019-12-13 11:50:00 N 70
16 2019-12-13 13:16:00 N 86
6 rows selected.
test@DEMO> @v2
ID FEED_TIME L LAG(min)
---------- ------------------- - ----------
6 2019-12-13 02:49:00 N
7 2019-12-13 04:58:00 N 129
8 2019-12-13 09:01:00 N 243
15 2019-12-13 11:50:00 N 169
16 2019-12-13 13:16:00 N 86
test@DEMO>
最后总结下，实际以后每次记录喂奶时间直接@i输入具体时间，每次查喂奶间隔就根据实际需求看@v1或者@v2就ok，确认无误后提交更改，再实际熟悉下整个流程：
--1.插入喂奶时间：
test@DEMO> @i
Please input your feed_time(mmdd hh24:mi). eg:1213 08:00
Enter value for feed_time: 1213 16:30
old 1: insert into t_baby(id,feed_time) values(s1.nextval,to_date('&feed_time','mmdd hh24:mi'))
new 1: insert into t_baby(id,feed_time) values(s1.nextval,to_date('1213 16:30','mmdd hh24:mi'))
1 row created.
--2.查看喂奶间隔：
test@DEMO> @v1
ID FEED_TIME L LAG(min)
---------- ------------------- - ----------
6 2019-12-13 02:49:00 N
7 2019-12-13 04:58:00 N 129
8 2019-12-13 09:01:00 N 243
9 2019-12-13 10:40:00 L 99
15 2019-12-13 11:50:00 N 70
16 2019-12-13 13:16:00 N 86
19 2019-12-13 16:30:00 N 194
7 rows selected.
--3.查看喂奶间隔（排除Label='L'的情况）：
test@DEMO> @v2
ID FEED_TIME L LAG(min)
---------- ------------------- - ----------
6 2019-12-13 02:49:00 N
7 2019-12-13 04:58:00 N 129
8 2019-12-13 09:01:00 N 243
15 2019-12-13 11:50:00 N 169
16 2019-12-13 13:16:00 N 86
19 2019-12-13 16:30:00 N 194
6 rows selected.
--4.确认无误提交事物：
test@DEMO> commit;
Commit complete.
test@DEMO>
可以清楚看到最新的一次喂奶间隔是194分钟，也是正常的^_^
写在后面：
杨长老告诉我这里的SQL其实不需要第二层嵌套，因为分析函数可以直接参与运算，只是需要对分析函数的结果进行过滤或group by的时候还需要嵌套一层。
那么，我这里的SQL可以类似这样简写为：
SELECT
id,
feed_time,
label,
round((feed_time - LAG(feed_time) OVER(ORDER BY id)) * 24, 2) "LAG(h)"
FROM
t_baby t
WHERE label <> 'L';
在本文的续篇里就是对分析函数的结果进行过滤的（按天显示），所以要嵌套一层，否则会看不到一天中的第一行数据与昨天最后一行数据的时间间隔。
