BigQuery如何在时间范围内展平表的集合后进行分组

Question

我试图执行以下操作：

1. 使用FROM TABLE_DATE_RANGE
在一个时间范围内组合表格
2. FLATTEN该数据集
3. GROUP BY ColumnX
4. 仅使用唯一的ColumnX值选择ColumnX，SUM（ColumnY），SUM（ColumnZ）。

这是我的疑问的要点：

SELECT
  r.ColumnX
  ,SUM(r.ColumnY)
  ,SUM(r.ColumnZ)
FROM
(
    SELECT *
    FROM FLATTEN(
    (
        SELECT
          ColumnX
          ,ColumnY
          ,ColumnZ

        FROM TABLE_DATE_RANGE(projectx.events_,
          TIMESTAMP('2015-09-01'), TIMESTAMP('2015-09-08'))), my_funky_object
    )
    WHERE ColumnY > 10
) r
GROUP BY
  r.ColumnX

问题是，我得到的行数大于ColumnX的唯一值计数。所以我退后一步，只是输出GROUP BY - COUNT的ColumnX进行调试，我得到以下输出！

我看起来像中间结果。



发生了什么，如何确保我的外部选择仅聚合ColumnX的唯一值？

Answer 1

您获得了ColumnX的每个不同值的计数，但您只显示计数，而不是值。

如果您的目标是准确计算不同值的数量，请尝试以下方法：

SELECT
  COUNT(*) ct
FROM (
  SELECT
    1
  FROM
    ... rest of your query ...
  GROUP BY r.ColumnX
)

对于ColumnX的每个不同值，该内部查询将为您提供恰好一行（每个值为1）。外部select语句将计算此类行的数量。

另一种方法是使用EXACT_COUNT_DISTINCT来获取确切的行数。这比使用GROUP BY更简单但可扩展性更低。