BigQuery 中的查询抽样问题（标准 SQL）

Posted 2023-02-23

【中文标题】BigQuery 中的查询抽样问题（标准 SQL）

【英文标题】：Sampling issue with query in BigQuery (Standard SQL)

【发布时间】：2018-10-30 18:15:06

【问题描述】：

我一直在运行以下格式的查询

SELECT b.date as Date,COUNT(DISTINCT user_id) AS NewUsers FROM (
SELECT user_id,MIN(date) as min_date
FROM tableA
WHERE date >= '2018-10-10'
AND filter1 = "XYZ"
GROUP BY ) a
CROSS JOIN (
SELECT date FROM tableB
WHERE date >= '2018-10-19' AND date <= CURRENT_DATE()
GROUP BY 1) b
WHERE a.date >= DATE_SUB(b.date, INTERVAL 6 DAY) AND a.date <= b.date
GROUP BY 1

假设上面是result1

SELECT b.date as Date,COUNT(DISTINCT user_id) AS NewUsers FROM (
SELECT user_id,MIN(date) as min_date
FROM tableA
WHERE date >= '2018-07-10'
AND filter1 = "XYZ"
GROUP BY ) a
CROSS JOIN (
SELECT date FROM tableB
WHERE date >= '2018-07-19' AND date <= CURRENT_DATE()
GROUP BY 1) b
WHERE a.date >= DATE_SUB(b.date, INTERVAL 6 DAY) AND a.date <= b.date
GROUP BY 1

以上是result2

这里2018-07-19是发布日期。

由于我有直到 2018-10-19 的数据，我想从以后运行查询以优化查询的成本和数据消耗....但是有些方法，我得到的数据不正确。

但是，如果我从发布日期开始运行相同的查询，我会得到正确的结果。

我的意思是对应日期的 NewUsers from result1（比如日期 >= 2018-10-19）比 NewUsers from result2 多。

不知道，我错过了什么。

任何帮助将不胜感激。

谢谢

【参考方案1】：

我认为 - 这是因为使用了 'MIN(date)' - 您会看到计数的变化，因为您限制了日期，因此那些在较早日期首次出现的用户 - 现在那些相同的“旧”用户被计为最近天 - 因此混乱