❄️Ответ на задачу 2❄️

Один из вариантов был таким:

SELECT DISTINCT t1.*
FROM logs t1
  JOIN logs t2
    ON t1.id > t2.id AND t1.dt < t2.dt;

⚠️Но посмотрим на план запроса (читаем снизу вверх, смотрим на cost):

HashAggregate (cost=92291..92294) 
  Group Key: t1.id, t1.dt
  -> Nested Loop (cost=0..89454)
    Join Filter
    -> Seq Scan on logs t1 (cost=0..33)
    -> Materialize
      -> Seq Scan on logs t2

Здесь очень дорогой Nested Loop Join, который увеличил косты с 33 до 90к.

✅Что ожидалось увидеть?

Используем lag/lead и сравниваем разницу айдишников с предыдущим и последующим:

WITH diffs AS ( 
  SELECT 
    *,
    id - LAG(id) OVER(ORDER BY dt) prev_diff,
    id - LEAD(id) OVER(ORDER BY dt) next_diff
  FROM logs
) 
SELECT id, dt
FROM diffs
WHERE prev_diff > 1 or next_diff > 1;

План запроса:

Subquery Scan on diffs (cost=159..249)
  Filter
  -> WindowAgg
    -> Sort
      Sort Key: logs.dt
      -> Seq Scan on logs

В первом случае примерные косты были 90к, во втором 250 => в 370 раз меньше.

✨Также нам необязательно знать все id поздних записей, достаточно найти границы диапазонов✨