使用 BigQuery 取消嵌套 customDimensions

Posted 2023-03-24

【中文标题】使用 BigQuery 取消嵌套 customDimensions

【英文标题】：Unnesting customDimensions w/ BigQuery

【发布时间】：2018-03-01 20:12:33

【问题描述】：

我编写了一个标准 SQL 查询，用于从 BigQuery 中提取一些 Google Analytics（分析）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，当我在查询中引入 customDimensions 时，我会丢失一些行。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，则会出现错误。

如何在不丢失行的情况下取消嵌套非命中的自定义维度？

【参考方案1】：

问题是CROSS JOIN（逗号）：当使用NULL 交叉连接一个表时 - 或者在这种情况下是一个空的customDimensions - 结果总共是NULL 而不仅仅是左表。 您想使用LEFT JOIN 而不是CROSS JOIN，因为这会保留左表：

FROM `table` LEFT JOIN customDimensions AS cd

此外，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

【讨论】：

谢谢，马丁。但是我如何在同一个查询中也 UNNEST(hits)？

如果您只需要来自命中的聚合值或特定值，您还可以编写一个类似于 customDimensions 的子选择。