从 BigQuery 中的最新表分区通配符查询

Posted 2023-03-24

【中文标题】从 BigQuery 中的最新表分区通配符查询

【英文标题】：Query from Latest Table Partition Wildcard in BigQuery

【发布时间】：2017-11-06 07:14:50

【问题描述】：

我有名为 sample 和 table_201606、table_201607 的数据集，直到 table_201710。然后我要完成的事情是从最新的 TABLE SUFFIX 中获取数据，即 table_201710。以下是我的查询：

     WITH max_table_time AS(
        SELECT
            TIMESTAMP_ADD(MAX(time), INTERVAL 1 HOUR) AS max_time,
            FORMAT_DATE("%Y%m", DATE(MAX(time))) AS par
        FROM
            `sample.table_*`
    ),


    xyz as(
        SELECT id, sum(total_a) as total_b, sum(total_c) as sum_total
        FROM `sample.table_*`
        WHERE _TABLE_SUFFIX = (SELECT par from play_partitions) 
        GROUP BY video_id
    )

    SELECT * FROM xyz

不知何故，上面的查询扫描了所有表（从 table_201606 到 table_201710），但结果很好（table_201710 中的数据）。

但是，当我尝试这个时，结果会有所不同：

WITH max_table_time AS(
        SELECT
            TIMESTAMP_ADD(MAX(time), INTERVAL 1 HOUR) AS max_time,
            FORMAT_DATE("%Y%m", DATE(MAX(time))) AS par
        FROM
            `sample.table_*`
    ),


    xyz as(
        SELECT id, sum(total_a) as total_b, sum(total_c) as sum_total
        FROM `sample.table_*`
        WHERE _TABLE_SUFFIX = '201710' 
        GROUP BY video_id
    )

    SELECT * FROM xyz

上面的查询，只是扫描了table_201710和table_201710中的结果数据。与第一个查询不同，它扫描所有表，但结果是 table_201710 中的正确数据。

我怎么能说第一个查询扫描了所有表？因为当我执行第一个查询时，BigQuery 控制台只是说我使用 10 GB 数据，而不是第二个查询，它只使用在进程中处理的 200 MB 数据。

我想知道为什么，有人可以解释一下吗？

【参考方案1】：

刚刚仔细阅读了BigQuery中的通配符表，发现了这些句子：

使用 _TABLE_SUFFIX 可以大大减少扫描的字节数，从而降低运行查询的成本。 _TABLE_SUFFIX 上包含子查询的过滤器不能用于限制扫描通配符表的表数。例如，以下查询不限制为通配符表 bigquery-public-data.noaa_gsod.gsod19* 扫描的表

在进行这些查询之前，我没有进行 RTFM。 :D