我有(例如)一张 table Users (user_id, status, timestamp, ...)
.
我还有一张 table SpecialUsers (user_id, ...)
.
我需要显示每个特殊用户的最新状态。
问题在于Users
表是 非常非常大 (超过 50 十亿 行)。例如this question中的大多数解决方案只是挂起或出现“磁盘已满”错误。SpecialUsers
表要小得多 - “只有” 600K 行。SELECT DISTINCT ON()
不支持。在 Amazon RedShift 上工作。
编辑 :每个请求查看失败的尝试 - 导致磁盘已满错误的其中一个是这样的:
with users_with_status (user_id, status, timestamp)
as (
select su.user_id, u.instance_type, u.timestamp
from specialusers su
join users u on su.user_id = u.user_id
)
select l.instance_id, l.instance_type
from users_with_status l
left outer join users_with_status r
on l.user_id = r.user_id and l.timestamp < r.timestamp
where r.timestamp is null;
我知道我自己加入了一个错误表,但希望第一次加入小表会减少处理的行数。无论如何,似乎窗口函数是这里的解决方案。
最佳答案
也许是 join
使用窗口函数将起作用:
select su.*
from (select s.user_id, u.status, u.timestamp,
max(u.timestamp) over (partition by s.user_id) as max_timestamp
from specialusers s join
users u
on s.user_id = u.user_id
) su
where timestamp = max_timestamp;
这特别使用 max()
而不是 row_number()
猜测它可能会使用更少的资源。
关于sql - 在一个非常大的表中为每个组有效地选择最新的行?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/68349039/