regex - 在 BigQuery 中重复正则表达式

Question

我们就在 case 子句中使用 regex 表达式的最佳方式进行了辩论...我们需要对提取的对象进行案例操作。这可以用几种方式来表达。问题是:哪一个会更有效？如果它出现在多个位置，BQ 会多次处理正则表达式吗？

我已调整我的代码以在维基百科数据样本上运行。

第一:

Select case when PS_Version='1' then '1st' 
            when PS_Version='2' then '2nd' 
            when PS_Version='3' then '3rd'
            else 'other' end as PS_VersionOrder
            from 
(SELECT regexp_extract(title,r'PlayStation (\d+)') as PS_Version
FROM [publicdata:samples.wikipedia] A
where title like '%PlayStation%'
limit 100)

第二个:

Select case when regexp_extract(title,r'PlayStation (\d+)')='1' then '1st' 
            when regexp_extract(title,r'PlayStation (\d+)')='2' then '2nd' 
            when regexp_extract(title,r'PlayStation (\d+)')='3' then '3rd'
            else 'other' end as PS_VersionOrder
FROM [publicdata:samples.wikipedia] A
where title like '%PlayStation%'
limit 100

正则表达式的人声称 1st 会更有效率。数据库人员更喜欢第二个，因为它不涉及子查询...

Answer 1

我同意亚历克斯所说的，但我要补充一点，从执行的角度来看，第一个查询也会更好。 BigQuery 非常有效地执行子查询，但可能不会在 case 子句中执行常见的子表达式消除(但是，它可能会，但您不应该依赖它)。