左外连接还是 where 语句？

Posted 2023-03-24

【中文标题】左外连接还是 where 语句？

【英文标题】：Left outer join or where statement?

【发布时间】：2015-07-29 20:48:55

【问题描述】：

我有一个查询，它给出了同一日期四个不同表中的记录总数。我将它们过滤为五个相关项目并排除一种类型。

SELECT
COUNT (*) AS table_total_filtered
FROM
db.table_1_20150727,
db.table_2_20150727,
db.table_3_20150727,
db.table_4_20150727
WHERE
item LIKE "A" OR item LIKE "B" OR item LIKE "C"
OR item LIKE "D" OR item LIKE "E" AND
type NOT LIKE "Z"    

我有第二个查询，它给了我第二个表中的行数。数据可能存在时区差异，因此我将表格拉出三天，目标日期为中间日期。

SELECT
COUNT (*) AS table_2_total
FROM
db2.table_20150726,
db2.table__20150727,
db2.table__20150728

这两个表有一个共同的字段。公共字段在每个表中具有不同的名称。该字段在 table_1、table_2、table_3 和 table_4 中称为 ID1。在表中称为 ID2。我想获取第二个查询的结果，然后计算两个 ID 匹配的次数。

SELECT
COUNT (*) AS overlap
FROM
db.table_1_20150727,
db.table_2_20150727,
db.table_3_20150727,
db.table_4_20150727,
db2.table_20150726,
db2.table__20150727,
db2.table__20150728
WHERE
item LIKE "A" OR item LIKE "B" OR item LIKE "C"
OR item LIKE "D" OR item LIKE "E" AND
type NOT LIKE "Z" AND
ID1 = ID2

据我了解，此查询不起作用，因为第一步计算第一个表的计数，并试图计算不存在的 ID2。使用表名限定字段似乎也不起作用，因为文本不会变成蓝色。我相信此时排位赛不是我的问题，我需要做的是将第一个查询的结果与第二个查询的结果进行左连接，然后计算 ID1=ID2 的位置？

非常感谢任何有关如何编写/处理适当语句以连接这两个查询并计算 ID1 与 ID2 匹配的记录数的帮助！

谢谢！

【参考方案1】：

听起来您想要一个非常简单的JOIN，并将您的每个初始查询作为来源：

SELECT
  COUNT(*) as overlap
FROM (
  SELECT
    ID1
  FROM
    db.table_1_20150727,
    db.table_2_20150727,
    db.table_3_20150727,
    db.table_4_20150727
  WHERE
    item LIKE "A" OR item LIKE "B" OR item LIKE "C"
    OR item LIKE "D" OR item LIKE "E" AND
    type NOT LIKE "Z") AS table_1
JOIN (
  SELECT
    ID2
  FROM
    db2.table_20150726,
    db2.table__20150727,
    db2.table__20150728) as table_2
ON table_1.ID1 = table_2.ID2

请注意，在许多 SQL 系统中，逗号表示JOIN，但in BigQuery, the comma actually represents a union：

注意：与许多其他基于 SQL 的系统不同，BigQuery 使用逗号语法来表示表联合，而不是联合。

这可能就是您在上面发布的查询没有达到您预期的原因。

【讨论】：

谢谢丹尼。我得到资源超出错误。加入每个它返回不可能的#。我没有清楚地解释我的目标。查询中返回的值 > table_1 的总数。 table_2 是 table_1 的子集。当为 WHERE 语句中的项目过滤 table_1 时，Table_2 不包括识别重叠所需的字段。因此，为什么我要过滤 table_1，然后尝试将 table_2 加入较小的 table_1。我想要发生的是 A) table_1 过滤到 WHERE 中的标准。 B）table_2 与 A 的结果连接。C）计数总计，其中 ID1=ID2。 table_2 的间接过滤器。再次感谢！

两个表中是否有可能存在重复的 id？如果是这样，那可能会夸大返回的计数，因为 table_1 中的 2 行可能匹配 table_2 中的 2 行，导致特定 id 的计数为 4。您可以在子选择中使用GROUP BY ID1 和GROUP BY ID2（或GROUP EACH BY，如有必要）以确保没有重复项。另一种选择可能是将*** COUNT 更改为 EXACT_COUNT_DISTINCT(table_2.ID2)，这只会计算唯一 ID。