好的开发者应该拥有强大的抽象能力

笔者在这篇文章中提到了如何使用SQL来完成时间段的一个合并，在完成该任务的同时不禁感叹为啥提供的这些函数功能刚好能满足我的需求。如果从一个API的提供方，或者是库的开发人员来讲，提供一个颗粒分明，功能全面的API是特别考验一个开发者能力的。
让我们来从头思考这个时间段合并的问题。作为一个数据开发工程师，我在开发UDF的时候，是不是也得有类似库开发人员的素养和考虑。将问题拆解为几个通用的步骤，并使用组合来完成这个任务。

至于怎么拆解？

• 一种是自己手动拆解过程。
• 一种则是借鉴别人的方法，比如我们看看用其他语言实现该功能的时候，都用到了哪些库函数，然后我们用UDF实现同样的库函数即可。

假如我们采用编程语言该怎么实现这个业务，我用GPT生成了Python代码如下：

def merge_intervals(intervals):
    # Sort the intervals based on the start time
    intervals.sort(key=lambda x: x[0])

    merged = []
    for interval in intervals:
        # If the list of merged intervals is empty or the current interval does not overlap with the previous one,
        # simply append it.
        if not merged or merged[-1][1] < interval[0]:
            merged.append(interval)
        else:
            # Otherwise, there is overlap, so we merge the current and previous intervals.
            merged[-1][1] = max(merged[-1][1], interval[1])

    return merged

# Given intervals
intervals = [[1, 3], [2, 7], [5, 6], [4, 11], [10, 11], [11, 14]]

# Merging the intervals
merged_intervals = merge_intervals(intervals)
merged_intervals

从上面其实我们可以看到该函数使用了很多Python内置的函数：

• sort
• append
• max

这样我们就很容易提取出来我们要实现的通用UDF了。

但是，这种取巧的方法还是漏掉了一个最大的通用函数，那就是聚合函数，这个其实是隐藏在上面的Python代码的for循环当中的。如果你能提取到这个聚合函数，那么说明你的能力起码超越了一般的开发者了。

ps：
生成上述Python代码的prompt如下：

你是一个软件工程师，现在有2列数据，如下所示：
1,3
2,7
5,6
4,11
10,11
11,14
第一列是开始时间，第二列是结束时间，每一行是一个时间段，写一个Python代码读取上述格式的数据，将所有的时间段进行合并，合并规则如下：
1. 如果2个时间段的范围有重合，则将其合并成一个新的时间段，新的时间段的开始时间是2个时间段的最小值，结束时间是2个时间段的最大值
2. 如何2个时间段的范围没有有重合，则将其保留
输出：合并之后的所有时间段