Question

数据集： SOTorrent-这是数据集（托管在Google的BigQuery上）：您可以在此处运行查询。它有一个Posts表。尽管我试图解释以下相关字段，但仍可以在此处找到帖子表的详细架构，以供您参考：SO Schema

SO：StackOverflow

背景：数据集有一个名为帖子的表格。在该表中，存在一个字段 PostTypeId ：

如果该字段为1，则表示我们正在查看的帖子是在SO上发布的问题。在这种情况下，另一个名为 Tags 的字段将包含问题的OP在SO上分配的标签。
如果该字段为2，则为在SO上发布的答案。在这种情况下，标签字段将为空。

问题：仅选择那些已附加Android标签的线程的所有答案。

我的解决方案：

SELECT
 p.Id,
 p.Score,
 p.body
FROM
  [sotorrent-org:2018_09_23.Posts] p
WHERE
  p.Tags LIKE "%android%"
  AND p.PostTypeId = 2 
LIMIT
  10

但是，很明显，上面的查询将返回null，因为WHERE子句检查不能共存的条件。如果帖子带有标签，则不能作为答案。如果是答案，则不能包含标签。

如何解决此问题并在同一张表上检查两个互斥条件？

Answer 1

您需要使用ParentId字段将posts表与其自身相连：

#standardSQL
SELECT
  answer.Id
, answer.Score
, answer.body
FROM
  `sotorrent-org.2018_09_23.Posts` question
JOIN
  `sotorrent-org.2018_09_23.Posts` answer
ON
      answer.ParentId=question.Id
  AND answer.PostTypeId=2
  AND question.PostTypeId=1
WHERE
      question.Tags LIKE "%android%"
  AND question.PostTypeId = 1
  AND answer.PostTypeId = 2
LIMIT
  10

Answer 2

如果我理解正确，我认为最好的方法是窗口函数：

SELECT p.Id,  p.Score p.body
FROM (SELECT p.*,
             MAX(p.tags) OVER (PARTITION BY COALESCE(p.parentid, p.id)) as tags
      FROM `sotorrent-org.2018_09_23.Posts` p
     )
WHERE p.Tags LIKE '%android%' AND
      p.PostTypeId = 2 
LIMIT 10;

这应该更快。

SOTorrent：仅选择那些带有“ android”标签的线程的答案吗？

2 个答案: