优化繁重的 BigQuery DELETE 查询答案

【问题标题】：Optimize heavy BigQuery DELETE query优化繁重的 BigQuery DELETE 查询
【发布时间】：2019-08-05 05:40:46
【问题描述】：

以下 BigQuery DELETE 查询因超时而失败，因为它达到了 6 小时的执行时间限制：

DELETE animals A WHERE EXISTS
    (SELECT id from pets P WHERE A.id = P.id)

餐桌上的动物有大约 50.000.000.000 条记录。
餐桌宠物有大约 300.000 条记录。

表没有分区。

编辑：
似乎此查询没有任何改进：

DELETE animals WHERE id IN
    (SELECT id from pets)

【问题讨论】：

我建议您使用 SELECT 查询，该查询从 animals 获取唯一记录，并与 pets 合并并写入新表。截断数据并将数据加载回原始animals 表中。
只是为了确认，这是 500 亿行，对吗？ @ElliottBrossard - 知道为什么这不是缩放吗？看起来很简单..
@GrahamPolley 没错，500 亿行。

标签： google-cloud-platform google-bigquery bigdata sql-optimization

【解决方案1】：

SELECT id FROM(
  SELECT id, tbl, DENSE_RANK OVER(PARTITION BY id ORDER BY tbl) AS rk FROM (
    SELECT id, 1 AS tbl FROM animals
    UNION ALL
    SELECT id, 0 AS tbl FROM pets)
  )
) WHERE rk = 1 AND tbl = 1;

此代码将为您提供宠物中不存在的动物的所有 ID。

如果 id 在动物中是唯一的，您可以使用 ROW_NUMBER() 而不是 DENSE_RANK()。

【讨论】：

我不确定这就是 OP 最初的要求，是吗？
我确实需要每天修改动物表，所以最好找到快速变异的解决方案。我认为 BigQuery 的行数与它的可扩展性无关。