BigQuery：如何随时间对运行总计进行抽样答案

【问题标题】：BigQuery: how to sample running totals over timeBigQuery：如何随时间对运行总计进行抽样
【发布时间】：2017-03-22 12:50:32
【问题描述】：

我有一个 BigQuery 表记录从商店购买商品的时间。它包含一个 ItemID 和一个时间戳。我对购买的每件商品的运行总计感兴趣。我有这个生成运行总数的查询：

SELECT ItemID,timestamp,count(*)
OVER
  (PARTITION BY ItemID
  ORDER BY timestamp ASC, ItemID) AS runningtotal
from 
(
  SELECT * FROM [mydb.purchases] 
)
ORDER BY timestamp

此表有数十万行。我现在想做的是花费一段时间（例如一周）并在该周内为每个 ItemID 获取 100 个运行总计的样本（以便绘制没有太多数据点的图表）。我不知道该怎么做。通过过滤诸如“where（rownumber %（rowcount / 100）= 0”之类的内容，我可以得到 100 个样本，但是如何为表中的每个 ItemID 执行此操作？我是否需要为每个 ItemID 执行多个子查询，然后创建工会？谢谢

【问题讨论】：

标签： mysql sql google-bigquery

【解决方案1】：

使用标准 SQL，您可以首先使用 LIMIT 函数内的 LIMIT 子句收集 100 个时间戳的样本：

#standardSQL
SELECT ItemID, timestamp, COUNT(*)
OVER (PARTITION BY ItemID ORDER BY timestamp ASC) AS running_total
FROM (
SELECT ItemID, ARRAY_AGG(timestamp LIMIT 100) timestamps
FROM `mydb.purchases`) t, t.timestamps timestamp
ORDER BY timestamp

如果这不进行随机抽样，您可以使用 RAND() 重新调整时间戳：

#standardSQL
SELECT ItemID, timestamp, COUNT(*)
OVER (PARTITION BY ItemID ORDER BY timestamp ASC) AS running_total
FROM (
SELECT ItemID, ARRAY_AGG(timestamp ORDER BY RAND() LIMIT 100) timestamps
FROM `mydb.purchases`)  t, t.timestamps timestamp
ORDER BY timestamp

【讨论】：

【解决方案2】：

下面的内容与您在抽样意义上描述的完全一样
我离开了selecting week worse of data，因为它是微不足道的

#standardSQL
SELECT
  ItemID,
  timestamp,
  runningtotal  
FROM (
  SELECT 
    ItemID, 
    timestamp, 
    COUNT(1) OVER (PARTITION BY ItemID ORDER BY timestamp ASC) AS runningtotal,
    ROW_NUMBER() OVER (PARTITION BY ItemID ORDER BY timestamp ASC) AS rownumber,
    COUNT(1) OVER(PARTITION BY ItemID) AS rowcount
  FROM `mydb.purchases`
)
WHERE MOD(rownumber, CAST(rowcount/100 AS INT64)) = 0
-- ORDER BY ItemID, timestamp

【讨论】：