在窗口函数中使用不在 Group By 中的列，我得到： SQL 编译错误：[COLUMN_A] is not a valid group by expression

Posted 2023-03-31

【中文标题】在窗口函数中使用不在 Group By 中的列，我得到： SQL 编译错误：[COLUMN_A] is not a valid group by expression

【英文标题】：Using columns in window function that are not in Group By, I get : SQL compilation error: [COLUMN_A] is not a valid group by expression

【发布时间】：2021-04-08 15:16:53

【问题描述】：

我已经看到很多关于这个错误的问题，最接近我的问题的问题（因为它使用窗口函数）是this one

---

我的问题是我在 windows 函数中使用了未按以下方式分组的列：

SELECT
    Col_A,
    Col_B,
    FIRST_VALUE(Col_C) OVER (PARTITION BY Col_A, Col_B
                            ORDER BY Col_TimeStamp ASC 
                            ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW),
    MAX(Col_D) OVER (PARTITION BY Col_A, Col_B
                            ORDER BY Col_TimeStamp ASC
                            ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW)
FROM mytable
    GROUP BY 
        Col_A,
        Col_B

通过该查询，我收到Col_C、Col_D、Col_TimeStamp 的错误

SQL 编译错误：[eachColumn] 不是有效的按表达式分组

我知道我可以通过将所有内容添加到 GROUP BY 子句中“使查询正常工作”，但这似乎违背了目的，因为我正在使用一种时间戳来排序。

我有一个庞大的数据集，无法轻易检查它是否真的违背了目的。

只是我偏执还是我错过了什么？

【问题讨论】：

请提供样本数据和期望的结果。 first_value() 有意义，但 max() 不在聚合查询中。

【参考方案1】：

first_value() 有意义，因为每个组只有一个值。但是，max() 没有意义。

我想知道这是不是你真正想要的：

SELECT DISTINCT Col_A, Col_B,
       FIRST_VALUE(Col_C) OVER (PARTITION BY Col_A, Col_B
                                ORDER BY Col_TimeStamp ASC 
                                ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW
                               ),
       MAX(Col_D) OVER (PARTITION BY Col_A, Col_B)
FROM mytable;

这将返回每个组的 Col_D 的总体最大值。

【讨论】：

谢谢，你是对的！我正在将一些 PySpark 重构为 Snowflake 并将 group by 以定义我的窗口框架，但由于我无法使用它们，我删除了它们，但让 group by...：/