在 BigQuery 中按 LOWER 高效排序

Posted 2023-03-24

【中文标题】在 BigQuery 中按 LOWER 高效排序

【英文标题】：Efficiently sorting by LOWER in BigQuery

【发布时间】：2018-03-08 00:48:55

【问题描述】：

这篇精彩的 blog posts 谈到了在 where 子句中使用 LOWER() 的低效率以及更有效的文本搜索方式。在ORDER BY 子句中有类似的方法吗？例如：

SELECT * FROM mytable
ORDER BY LOWER(first_name)

按字段名称的小写文本进行排序的最有效方法是什么，例如在按列排序时在 Google 表格或 Excel 中进行排序？

【问题讨论】：

来自相应 SO 帖子的重要说明 - Note from the team: Stay tuned! Very soon BigQuery will turn this advice irrelevant. 你看到了吗？ :o)

@MikhailBerlyant 是的，我也注意到了这一点。不知道什么时候会实施。我每天都会查看他们的发布文档。

有些事情已经更快了——您尝试过博客文章中的查询吗？我认为在解决所有已知问题之前我们不会更新发行说明，但前几个查询只需要大约 4 或 5 秒而不是 10 秒。我不认为 ORDER BY LOWER(...) 在任何情况下都应该很慢。

很棒的博客/帖子；很棒的团队！！！ :o)

完全正确 - 我现在必须在博客上写一篇文章 :)

【参考方案1】：

引用博客中的 RegExp 方法将不起作用/适用于此处（对于 ORDER BY ），因为用于 BigQuery 正则表达式支持的 re2 库不支持相应的所需功能

特别是 - re2 不支持在正则表达式替换中更改大小写

如果它会被支持 - 你可以使用类似的东西

REGEXP_REPLACE(first_name, r'.*', r'\L\0') <-- just mockup - does not work with BigQuery

这里\L - 将所有后续标记转换为它们各自的小写等效项 和\0（BQ 支持）匹配整个模式，因此整个first_name 列将替换为相应的小写版本

见例子here

但是 - 再次 - BigQuery / re2 不支持 \L