在加入 BigQuery 期间优先处理一个表

Posted 2023-03-22

【中文标题】在加入 BigQuery 期间优先处理一个表

【英文标题】：Prioritizing one table during the join BigQuery

【发布时间】：2021-12-20 15:32:31

【问题描述】：

我在 BigQuery 中有两个具有相同架构的表。第一个包含产品的历史记录，第二个 - 最近的产品。我的目标是连接两个表，以便每当产品 id 不在第二个表中时，我们使用历史数据中的行，但是当我们有不在历史数据中的产品 id 交集时，我们使用来自第二个表（包含最新数据）。

我的第一个解决方案是使用 UNION ALL 和窗口函数来丢弃交叉路口的重复项，但我想知道是否有另一种方法可以使用某种 FULL OUTER JOIN。

【参考方案1】：

对于这种情况，您可以使用FULL OUTER JOIN。通过使用FULL OUTER JOIN，它将返回所有字段和列，包括空值。我创建了 2 个与您的场景匹配的表：

tblA作为历史表：

tblB 作为最近的表：

请注意，两张桌子上都有 product_id = 0050，但产品不同，tblA 有 product='Jelly' 和 tblB 有product='王牌'。根据您的要求，您需要优先考虑来自tblB（即product='Ace'）的结果，作为包含最近数据的表。当tblB 中没有现有数据/空值时，您可以使用tblA 进行引用。此查询满足要求：

SELECT product_id, COALESCE(b.product, a.product) AS product 
FROM `tblA` AS a
FULL OUTER JOIN `tblB` AS b  USING (product_id)
ORDER BY product_id;

结果：

COALESCE 返回第一个非空表达式的值，因此通过将b.product 作为参数中的第一个，如果满足，它将返回第一个结果的结果。如果没有，它会检查第二个参数a.product。