Udfyld tabellen med data for manglende dato (postgresql, redshift)

Se på ideen bag forespørgslen:

select distinct on (domain, new_date) *
from (
    select new_date::date 
    from generate_series('2016-04-12', '2016-04-17', '1d'::interval) new_date
    ) s 
left join a_table t on date <= new_date
order by domain, new_date, date desc;

  new_date  |     domain      |    date    | visitors | hits  
------------+-----------------+------------+----------+-------
 2016-04-12 | www.domain1.com | 2016-04-12 |     1231 | 23423
 2016-04-13 | www.domain1.com | 2016-04-13 |     1374 | 26482
 2016-04-14 | www.domain1.com | 2016-04-13 |     1374 | 26482
 2016-04-15 | www.domain1.com | 2016-04-13 |     1374 | 26482
 2016-04-16 | www.domain1.com | 2016-04-13 |     1374 | 26482
 2016-04-17 | www.domain1.com | 2016-04-17 |     1262 | 21493
(6 rows)

Du bliver nødt til at vælge start- og slutdatoer i henhold til dine krav. Forespørgslen kan være ret dyr (du nævnte om milliarder af huller), så anvend den med forsigtighed (test på et mindre dataundersæt eller udfør etaper).

I mangel af generate_series() du kan oprette din egen generator. Her er et interessant eksempel . Visninger fra den citerede artikel kan bruges i stedet for generate_series() . For eksempel, hvis du har brug for perioden '2016-04-12' + 5 days :

select distinct on (domain, new_date) *
from (
    select '2016-04-12'::date+ n new_date
    from generator_16
    where n < 6
    ) s 
left join a_table t on date <= new_date
order by domain, new_date, date desc;

du får det samme resultat som i det første eksempel.