我想在 BigQuery 中创建一个允许执行以下操作的 View :
- 重复记录删除
- 将 _PARTITIONTIME 公开为用于过滤的列,以允许分区修剪
我知道执行重复数据删除的建议查询是:
SELECT
* EXCEPT(row_number)
FROM (
SELECT *
,ROW_NUMBER()
OVER (PARTITION BY fct.KeyColumn ORDER BY fct.CreatedDatetime DESC) row_number
FROM `my-project.my_dataset.fact_table` fct)
WHERE
row_number = 1
查询分区表的建议方法是:
SELECT
*
FROM
`my-project.my_dataset.fact_table`
WHERE
_PARTITIONTIME BETWEEN TIMESTAMP('2016-01-01')
AND TIMESTAMP('2016-01-02');
如何将两者结合起来提供一个经过重复数据删除的 BigQuery View ,并提供一个列以允许在 View 的 where 子句中使用 _PARTITIONTIME。我读到了有关使用子选择等时分区修剪的限制的信息,这就是为什么我想知道这是否可能。
为了给您提供一些背景信息,该 View 位于正在流式传输的表的顶部,因此重复数据删除必须即时进行。
最佳答案
您需要让 View 每天返回最新行,以启用对分区时间的过滤。它会是这样的:
#standardSQL
SELECT day, latest_row.*
FROM (
SELECT
_PARTITIONTIME AS day,
ARRAY_AGG(fct ORDER BY fct.CreatedDatetime DESC LIMIT 1)[OFFSET(0)] AS latest_row
FROM `my-project.my_dataset.fact_table` AS fct
GROUP BY day, KeyColumn
);
在外部查询中,latest_row.*
还应包含 KeyColumn
。
关于google-bigquery - BigQuery 重复数据删除和分区表,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/45236075/