【发布时间】:2017-07-10 14:33:32
【问题描述】:
我有一个包含所有资源版本的 Google BigQuery 表。每次创建/更新/删除资源时都会添加一个新行,并增加版本号(此数字将是添加行时的时间戳)
+-------+------------+--------+-------+-------------+
| ID | ResourceID | Action | Count | Timestamp |
+-------+------------+--------+-------+-------------+
| ABC_1 | ABC | CREATE | 10 | {timestamp} |
| ABC_2 | ABC | UPDATE | 8 | {timestamp} |
| ABC_3 | ABC | UPDATE | 4 | {timestamp} |
| ABC_4 | ABC | DELETE | 4 | {timestamp} |
| - | | | | |
| DEF_1 | DEF | CREATE | 10 | {timestamp} |
| DEF_2 | DEF | DELETE | 10 | {timestamp} |
| - | | | | |
| GHJ_1 | GHJ | CREATE | 10 | {timestamp} |
| - | | | | |
| KLM_1 | KLM | CREATE | 10 | {timestamp} |
| KLM_2 | KLM | UPDATE | 5 | {timestamp} |
+-------+------------+--------+-------+-------------+
- ID:行的唯一ID,包含ResourceID加上版本标识
- ResourceID:发生操作的资源的 ID
- 操作:对资源执行的操作
- 计数:与资源关联的值
- 时间戳:添加行的时间戳(与唯一 ID 相同)
我需要一个查询来检索每个资源的所有最新版本
+-------+------------+--------+-------+-------------+
| ID | ResourceID | Action | Count | Timestamp |
+-------+------------+--------+-------+-------------+
| ABC_4 | ABC | DELETE | 4 | {timestamp} |
| DEF_2 | DEF | DELETE | 10 | {timestamp} |
| GHJ_1 | GHJ | CREATE | 10 | {timestamp} |
| KLM_2 | KLM | UPDATE | 5 | {timestamp} |
+-------+------------+--------+-------+-------------+
此外,所有处于DELETE 状态的资源都需要忽略。
所以这是我正在寻找的最终输出
+-------+------------+--------+-------+-------------+
| ID | ResourceID | Action | Count | Timestamp |
+-------+------------+--------+-------+-------------+
| GHJ_1 | GHJ | CREATE | 10 | {timestamp} |
| KLM_2 | KLM | UPDATE | 5 | {timestamp} |
+-------+------------+--------+-------+-------------+
这是我的查询
SELECT ResourceId, Count
FROM worklog_*
WHERE ID IN (
SELECT max(ID)
FROM worklog_*
GROUP BY WorklogID
) AND Action != DELETE
这不是真正的 BigQuery 查询,但足以理解行为。
如果可以比较 ID 列的值,则此查询工作正常,这就是我选择加入 ResourceId 和 Timestamp 的原因,MAX() 值将始终提供最后状态
这是最好的方法吗?有没有人对进行这种提取的更好方法提出建议?
【问题讨论】:
标签: performance google-bigquery version