具有BigQuery的unnesting customDimensions

Posted 2021-05-04

我已经编写了一个标准SQL查询来从BigQuery中提取一些Google Analytics数据。我在下面粘贴了一个用于测试的简化版本：

SELECT COUNT(DISTINCT(session_id))
FROM (
  SELECT
    CONCAT(CAST(fullVisitorId AS STRING), '.', CAST(visitStartTime AS STRING)) AS session_id
  FROM `myproject.ga_sessions_20180227`, UNNEST(hits) AS hits
);

运行此查询会输出6,696的唯一会话计数，与GA UI相比，这是准确的。

但是，当我将customDimensions引入查询时，我会丢失许多行。运行此查询仅输出6,606个唯一会话。

SELECT COUNT(DISTINCT(session_id))
FROM (
  SELECT
    CONCAT(CAST(fullVisitorId AS STRING), '.', CAST(visitStartTime AS STRING)) AS session_id,
    MAX(IF(customs.index = 14, customs.value, NULL)) AS custom_id
  FROM `myproject.ga_sessions_20180227`, UNNEST(customDimensions) AS customs
  GROUP BY fullVisitorId, visitStartTime
);

我没有使用hits.customDimensions，因为有问题的自定义维度是基于用户级别而不是命中级别。如果我不对输出进行分组，则会出错。

如何在不丢失行的情况下取消基于非命中的自定义维度？

答案

问题是CROSS JOIN（逗号）：当用NULL交叉连接表时 - 或者在这种情况下是一个空的customDimensions - 结果总是NULL而不是只有左表。你想使用LEFT JOIN而不是CROSS JOIN，因为这会保留左表：

FROM `table` LEFT JOIN customDimensions AS cd

除此之外，您还可以使用简单的子选择而不是连接子表/数组：

SELECT
  (SELECT value FROM t.customDimensions WHERE index=1) AS cd1
  , COUNT(1) AS Qty
FROM `project.dataset.ga_sessions_20180202` AS t
GROUP BY 1