BigQuery 重复数据删除和分区表

Question

我想在 BigQuery 中创建一个允许执行以下操作的视图：

• 记录的去重
• 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

关于如何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');

如何将这两者结合起来以提供一个经过重复数据删除的 BigQuery 视图，并提供一个列以允许在视图的 where 子句中使用 _PARTITIONTIME。如果使用子选择等，我了解了分区修剪的限制，这就是为什么我想知道这是否可能。

为了给您一些背景信息，此视图位于正在流式传输到的表的顶部，因此重复数据删除必须即时进行。

Answer 1

您需要让视图每天返回最新的行，以启用对分区时间的过滤。应该是这样的：

#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.* 还应该包含KeyColumn。