[英]BigQuery DeDuplication on two columns as unique key
我们虔诚地使用BigQuery,并且实际上有两个表是由不同的进程并行更新的。 我有一个问题,我们没有表的唯一标识符,目标是在可能的情况下将两个表合并为零重复。唯一标识符是将两列组合在一起。
我已经尝试过各种基于MySQL的查询,但似乎都无法在BigQuery中使用。 因此,我在这里发布一些帮助。 :)
步骤1.将“ clean”表复制到新的合并表中。
步骤2.查询“ dirty”(旧)表并插入所有丢失的条目。
查询尝试1:
SELECT
COUNT(c.*)
FROM
[flash-student-96619:device_data.device_datav3_20160530] AS old
WHERE NOT EXISTS (
SELECT
1
FROM
[flash-student-96619:device_data_v7_merged.20160530] AS new
WHERE
new.dsn = old.dsn
AND new.timestamp = old.timestamp
)
错误:错误发生在:6.1-10.65。 一次只能执行一个查询。
查询尝试2:
SELECT
*
FROM
[flash-student-96619:device_data.device_datav3_20160530]
WHERE
(dsn, timestamp) NOT IN (
SELECT
dsn,
timestamp
FROM
[flash-student-96619:device_data_v7_merged.20160530]
)
错误:在第6行第7列遇到“”,“”,“”。期望:“)” ...
老实说,如果我可以在一个查询中做到这一点,我会很高兴。 我需要从两个表中获取数据,并使用唯一数据创建一个新表。
有什么帮助吗?
像下面这样的东西应该工作
SELECT *
FROM (
SELECT *,
ROW_NUMBER() OVER(PARTITION BY dsn, timestamp) AS dup
FROM
[flash-student-96619:device_data.device_datav3_20160530],
[flash-student-96619:device_data_v7_merged.20160530]
)
WHERE dup = 1
我建议在外部SELECT中使用显式字段列表而不是*,以便您可以从实际输出中省略dup
有点晚了,但我想指出的是,您的原始查询可以使用标准SQL进行较小的修改(取消选中“显示选项”下的“使用旧版SQL”框)。 我只是不得不将new
更改为其他内容,因为这是一个保留关键字。 例如,此查询有效:
WITH OldData AS (
SELECT
x AS dsn,
TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL x HOUR) AS timestamp
FROM UNNEST([1, 2, 3, 4]) AS x),
NewData AS (
SELECT
x AS dsn,
TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL x HOUR) AS timestamp
FROM UNNEST([5, 2, 1, 6]) AS x)
SELECT
COUNT(*)
FROM OldData oldData
WHERE NOT EXISTS (
SELECT 1
FROM NewData newData
WHERE
newData.dsn = oldData.dsn
AND newData.timestamp = oldData.timestamp
);
+-----+
| f0_ |
+-----+
| 2 |
+-----+
关于第二次尝试,您可以执行以下操作:
WITH OldData AS (
SELECT
x AS dsn,
TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL x HOUR) AS timestamp
FROM UNNEST([1, 2, 3, 4]) AS x),
NewData AS (
SELECT
x AS dsn,
TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL x HOUR) AS timestamp
FROM UNNEST([5, 2, 1, 6]) AS x)
SELECT
*
FROM OldData
WHERE
STRUCT(dsn, timestamp) NOT IN (
SELECT AS STRUCT
dsn,
timestamp
FROM NewData);
+-----+---------------------+
| dsn | timestamp |
+-----+---------------------+
| 3 | 2016-07-21 11:54:08 |
| 4 | 2016-07-21 10:54:08 |
+-----+---------------------+
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.