合并时间轴

源表:
商品缺货状态变更表:
select * from mart_forecast.sku_oos_log_test1

商品上下架状态变更表:
select * from mart_forecast.sku_status_log_test1


最终想要结果:

解决方案：
第一步（d表）：合并时间轴
（1）：将两个时间（缺货，上架）轴进行去重合并（union）
（2）：然后再分别关联两张表（缺货，上架）取出对应时间的两个状态 （缺货状态和上架状态）
（3）：最后每条数据取变更时间得后一条数据作为结束时间

第二步：当进行（2）时出现可能某个状态为null。因为可能缺货有的时间上架没有，随之造成上架状态为null。（1）是（2）的混合

（1）（oos表）：缺货状态数组 。这一步相当于将缺货状态不为null的按时间顺序做成了一个完整数组
1：对于d表筛选出缺货状态不为null的数据，再按每条sku变更时间进行开窗排序，取出每条数据缺货状态的数组
2：再按每条sku的数组的长度做开窗排序（倒排），打一个标rank
3：取rank=1，即取每个sku最长的那条缺货数组

（2）（y_oos表）： 缺货状态标签。 这一步相当于是把所有非null的变成了1，null变成了0，随后进行了依次的累加，但凡为null的值，他的结果都与前一个不为null的值得结果相等。将（1），（2）结合起来看，相当于（2）指向的就是（1）的地址
1:对于d表，给每条数据打一个标签，即缺货状态不为null设置为1，为null设置为0. if(is_oos is null,0,1) as label_oos
2：再按每条sku变更时间进行开窗排序，对标签进行累加。
原数据:1，0，n，n，1，n，0，1，1，0，n，1

（1）：1，0，1，0，1，1，0，1

(2): 1，1，0，0，1，0，1，1，1，1，0，1

sum: 1，2，2，2，3，3，4，5，6，7，7，8

将（1），（2）结合起来看，相当于（2）指向的就是（1）的地址,而（2）中与前面相等的数指向的就是原数据中前一个不为null的数的地址