我们已经开始使用Google bigQeury嵌套表。我们很难在此表上识别重复项。我们尝试使用Rownumber()函数,但这意味着我们需要深入研究每条记录和记录。我们正在谈论的是一张表,该表在建筑的基本巢穴中有10多个记录,并且有400多个字段
到目前为止,下面的代码是我们创建的,它可以识别重复项,但是正如我所写的那样,由于我们可以写的字段太多,所以有400多个字段
SELECT
count (*) AS Number_Of_Records --this will let us know how many records there is
FROM
(
SELECT
*,
ROW_NUMBER() OVER (PARTITION BY field1, ... , fieldN) AS ranking
FROM
`data.T1`,
unnest(record1) as record1, --unnesting is a must with nested tables and records
....,
unnest(recordN) as recordN
)
WHERE
ranking=1 --duplicats >1
我们想找到一种较短的方法来编写此查询以查找非重复行的数量,谢谢
一种方法是使用哈希函数来识别记录,并使用此哈希来删除重复项。
因此,假设您的JSON数据由字符串组成,则可以使用以下代码为记录生成唯一的哈希码:
WITH items AS
(SELECT ["apples", "bananas", "pears", "grapes"] as list
UNION ALL
SELECT ["coffee", "tea", "milk" ] as list
UNION ALL
SELECT ["cake", "pie", NULL] as list -- Duplicate record
UNION ALL
SELECT ["cake", "pie", NULL] as list)
SELECT distinct FARM_FINGERPRINT(ARRAY_TO_STRING(list, '--')) AS text
FROM items;
结果是3行,而不是预期的4行(重复1行)
本文收集自互联网,转载请注明来源。
如有侵权,请联系 [email protected] 删除。
我来说两句