- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在对 Google BigQuery 中的 publicdata:samples.github_timeline 数据集进行漏斗分析。我想按时间顺序提取完成一系列三项事件的所有唯一用户。
事件及其顺序:
这是查询:
select user from (
SELECT user1 as user,
ts1 as eventDate1,
ts2 as eventDate2,
IF(ts2 < ts3, ts3, NULL) as eventDate3
FROM
(SELECT user1,
ts1,
ts2,
ts3
FROM (SELECT user1,
ts1,
IF(ts1 < ts2, ts2, NULL) as ts2
FROM
(SELECT user1,
ts1,
ts2
FROM (SELECT repository_owner as user1,
created_at as ts1
FROM [publicdata:samples.github_timeline]
WHERE type = "WatchEvent") as step1
LEFT JOIN EACH (SELECT repository_owner as user2,
created_at as ts2
FROM [publicdata:samples.github_timeline]
WHERE type = "PushEvent") as step2
ON user1 = user2 where ts1 is not NULL)
) as steps1_2
LEFT JOIN (SELECT repository_owner as user3,
created_at as ts3
FROM [publicdata:samples.github_timeline]
WHERE type = "CreateEvent") as step3
ON user1 = user3
where ts2 is not NULL
)
)
where eventDate3 is not null
group by user
limit 100
最后没有 GROUP BY 用户,它非常快(10 秒)。但是当我添加它时,它需要很多时间才能完成(超过 20 分钟)。
查询有什么问题?您可以在此处测试查询:https://bigquery.cloud.google.com/
最佳答案
你有一个连接爆炸;也就是说,如果用户 A 有 20 个 WatchEvents、20 个 PushEvents 和 20 个 CreateEvents,您的查询可以从这 60 行中生成 8000 行。这是因为当 JOIN 的两边有多个匹配键时,它会生成笛卡尔积两侧。您可以通过仅采用最小匹配时间来解决此问题,因此您只查看用户的最小 WatchEvent 时间以查找后续的 PushEvent 时间,然后查看比 WatchEvent 时间晚的最小 pushEvent 时间以查找匹配 CreateEvent 时间。
这是一个大约 20 秒后运行的查询:
SELECT user
FROM (
SELECT step2_2.user1 as user,
MIN(step2_2.ts1) as eventDate1,
MIN(step2_2.ts2) as eventDate2,
MIN(step3.ts3) as eventDate3
FROM (
SELECT user1, MIN(ts1) as ts1, MIN(ts2) as ts2
FROM (
SELECT repository_owner as user1,
MIN(created_at) as ts1
FROM [publicdata:samples.github_timeline]
WHERE type = "WatchEvent"
GROUP EACH BY user1) as step1
JOIN EACH (
SELECT repository_owner as user2,
created_at as ts2
FROM [publicdata:samples.github_timeline]
WHERE type = "PushEvent") as step2
ON user1 = user2
WHERE ts1 < ts2
GROUP EACH BY user1
) as step2_2
JOIN EACH (
SELECT repository_owner as user3,
created_at as ts3
FROM [publicdata:samples.github_timeline]
WHERE type = "CreateEvent") as step3
ON user1 = user3
WHERE step2_2.ts2 < step3.ts3
GROUP EACH BY user
)
GROUP BY user
LIMIT 100
关于sql - 分组依据以在 Google BigQuery 中获取不同的行需要更长的时间,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/23366731/
您好,我正在处理 BIRT 报告。我有一个查询,我必须对父级的重复数据进行分组,但子级也不能分组! 在我的查询中: item 是父项,item_ledger_entry 是子项。我有来自 item.N
我正在使用 GA API。 这是针对 MCF 目标报告(底部)的标准目标完成指标表(顶部) 看一下这个: 总数加起来 (12,238),但看看按 channel 分组的分割有多么不同!我以为这些会很接
我正在开发一个流量计数器,我想获得 IP 和重复计数,但是如何? 就像是 :select ip, count(ip) from Redirect 返回 : null total ip count 重定
我尝试编写一个正则表达式来匹配条件表达式,例如: a!=2 1+2=2+a 我尝试提取运算符。我当前的正则表达式是“.+([!=<>]+).+” 但问题是匹配器总是尝试匹配组中可能的最短字符串
在 MS Transact SQL 中,假设我有一个这样的表(订单): Order Date Order Total Customer # 09/30/2008 8
我想按 m.ID 分组,并对每个 m.id 求和 (pm.amount_construction* prod.anzahl) 实际上我有以下结果: Meterial_id | amount_const
我想根据多列中的值对值进行分组。这是一个例子: 我想得到输出: {{-30,-50,20},{-20,30,60},{-30,NULL or other value, 20}} 我设法到达: SELE
我正在尝试找出运行此查询的最佳方式。我基本上需要返回在我们的系统中只下了一个订单的客户的“登录”字段列表(登录字段基本上是客户 ID/ key )。 我们系统的一些背景...... 客户在同一日期下的
给定以下mysql结果集: id code name importance '1234', 'ID-CS-B', 'Chocolate Sauce'
大家好,我的数据框中有以下列: LC_REF 1 DT 16 2C 2 DT 16 2C 3 DT 16 2C 1 DT 16 3C 6 DT 16 3C 3
我有这样的 mongoDB 集合 { "_id" : "EkKTRrpH4FY9AuRLj", "stage" : 10, }, { "_id" : "EkKTRrpH4FY9
假设我有一组数据对,其中 index 0 是值,index 1 是类型: input = [ ('11013331', 'KAT'), ('9085267',
java中用stream进行去重,排序,分组 一、distinct 1. 八大基本数据类型 List collect = ListUtil.of(1, 2, 3, 1, 2).stream().fil
基本上,我从 TABLE_A 中的这个开始 France - 100 France - 200 France - 300 Mexico - 50 Mexico - 50 Mexico - 56 Pol
我希望这个正则表达式 ([A-Z]+)$ 将选择此示例中的最后一次出现: AB.012.00.022ABC-1 AB.013.00.022AB-1 AB.014.00.022ABAB-1 但我没有匹配
我创建了一个数据透视表,但数据没有组合在一起。 任何人都可以帮助我获得所需的格式吗? 我为获取数据透视表而编写的查询: DECLARE @cols AS NVARCHAR(MAX), -- f
我想按时间段(月,周,日,小时,...)选择计数和分组。例如,我想选择行数并将它们按 24 小时分组。 我的表创建如下。日期是时间戳。 CREATE TABLE MSG ( MSG_ID dec
在 SQL Server 2005 中,我有一个包含如下数据的表: WTN------------Date 555-111-1212 2009-01-01 555-111-1212 2009-
题 假设我有 k 个标量列,如果它们沿着每列彼此在一定距离内,我想对它们进行分组。 假设简单 k 是 2 并且它们是我唯一的列。 pd.DataFrame(list(zip(sorted(choice
问题 在以下数据框中 df : import random import pandas as pd random.seed(999) sz = 50 qty = {'one': 1, 'two': 2
我是一名优秀的程序员,十分优秀!