如何在不使用多個連接的情況下使用 Row_number function 連接單個單元格中的不同行

Question

我有 Id、event_name、Timestamp 列。

我將連接每個 id 的最后 5 個事件。

我已經使用多個 WITH 和 JOIN 來獲取它。 但是 BigQuery 花了很多時間來計算。

這也感覺像是一種糟糕的做法。 我可以用什么作為替代品？

我的桌子看起來像這樣

ID	事件名稱	時間戳
A1	一種	2022-10-21 12:10:00 協調世界時
A1	b	2022-10-21 12:12:00 協調世界時
A1	c	2022-10-21 12:15:00 協調世界時
A1	d	2022-10-21 12:16:00 協調世界時
A1	電子	2022-10-21 12:28:00 協調世界時
A1	F	2022-10-21 12:45:00 協調世界時
B2	c	2022-10-21 10:12:00 協調世界時
B2	F	2022-10-21 11:12:00 協調世界時
B2	b	2022-10-21 11:25:00 協調世界時
B2	一種	2022-10-21 11:26:00 協調世界時
B2	F	2022-10-21 15:32:00 協調世界時
B2	c	2022-10-21 15:32:48 協調世界時
B2	F	2022-10-21 15:36:00 UTC

我的代碼看起來像這樣。

WITH a AS ( id, timestamp, event_name, row_number() over(partition by ID ORDER BY timestamp DESC) as row_n

FROM my_table),

WITH b AS (id, timestamp, event_name, row_n

FROM a
WHERE row_n <= 5),

e1 AS(
    SELECT ID, timestamp AS ev1
    FROM b
    WHERE row_n = 1),
    e2 AS(
    SELECT ID, timestamp AS ev2
    FROM b
    WHERE row_n = 2),
    e3 AS(
    SELECT ID, timestamp AS ev3
    FROM b
    WHERE row_n = 3),
    e4 AS(
    SELECT ID,  timestamp AS ev4
    FROM b
    WHERE row_n = 4),
    e5 AS(
    SELECT ID, timestamp AS ev5
    FROM b
    WHERE row_n = 5),

concat_prep AS(
  SELECT b.ID, ev1,ev2,ev3,ev4,ev5
  FROM b
  LEFT JOIN e1 
  ON b.ID = e1.ID
  LEFT JOIN e2
  ON e1.ID = e2.ID
  LEFT JOIN e3
  ON e2.ID = e3.ID
  LEFT JOIN e4
  ON e3.ID = e4.ID
  LEFT JOIN e5
  ON e4.ID= e5.ID)


  SELECT ID, concat(ev1,',',ev2,',',ev3,',',ev4,',',ev5) as concatt
  FROM concat_prep
  GROUP BY ID ,concat(ev1,',',ev2,',',ev3,',',ev4,',',ev5)

而我的 output 應該是這樣的：

ID	連接
A1	f,e,d,c,b
B2	f,c,f,a,b

我該如何優化它？ （我已經按日期過濾了）這個查詢是一個更大查詢的一部分。

Answer 1

請在group by中構建一個數組。 有一個選項可以限制元素。

With tbl as (select * , rand() as timestamp from unnest(["A1","B2"]) ID,unnest(split("a b c d e f g"," ")) event_name)

SELECT
ID,
#array_Agg(event_name order by  timestamp limit 5),
string_Agg(event_name order by  timestamp desc limit 5) as concat

from tbl
group by 1

Answer 2

然而，您可以使用ROW_NUMBER() window function 而DENSE_RANK()可能更可取，因為它會任意渲染，包括時間戳值的關系（相等）。

所以一個選項是使用：

WITH t AS
(
  SELECT t.*, DENSE_RANK() OVER (PARTITION BY id ORDER BY timestamp DESC) AS dr
    FROM my_table AS t
)
SELECT ID, STRING_AGG(event_name ORDER BY dr LIMIT 5) AS `concat`
  FROM t
 GROUP BY ID

通過使用STRING_AGG()串聯 function，默認情況下將生成逗號分隔的字符串（除非在表達式[本例中為列event_name ] 之后提供可選參數定界符）