使用github数据集在bigquery上加入02表

Question

我的目标是通过sample_contents

加入sample_commits repo_name

1）首先，我与sample_contents加入files，以便它现在包含repo_name

SELECT line,a.id,sample_path,sample_repo_name,repo_name
FROM (
   SELECT * FROM (
      SELECT (SPLIT(content, '\n')) line , a.id,sample_path,sample_repo_name,repo_name
          FROM (
               (SELECT * FROM [bigquery-public-data:github_repos.sample_contents]   WHERE sample_path LIKE '%.java' )              
               ) a JOIN  ( SELECT * FROM [bigquery-public-data:github_repos.files] ) b ON a.id=b.id
        ) WHERE REGEXP_MATCH(line, '^String|^private int|^public|[.]') 
  )

2）现在，我做了以下query期望通过repo_name获取任何给定文件的所有提交：

SELECT (CASE WHEN line CONTAINS 'String' THEN 'String' ELSE '' END) AS column_1,
(CASE WHEN line CONTAINS 'public' THEN 'public' ELSE '' END) AS column_2,line,a.id,sample_path,sample_repo_name,X.repo_name
FROM (
   SELECT * FROM (
      SELECT (SPLIT(content, '\n')) line , a.id,sample_path,sample_repo_name,repo_name
          FROM (
               (SELECT * FROM [bigquery-public-data:github_repos.sample_contents]   WHERE sample_path LIKE '%.java' )              
               ) a JOIN  ( SELECT * FROM [bigquery-public-data:github_repos.files] ) b ON a.id=b.id
        ) WHERE REGEXP_MATCH(line, '^String|^private int|^public|[.]') 
  )
  X JOIN (SELECT * FROM [bigquery-public-data:github_repos.sample_commits]) Y ON X.repo_name=Y.repo_name LIMIT 100

但它返回0结果！ 你能帮我弄清楚这个问题吗？

谢谢，

Answer 1

我不确定你在这里要做什么，但是检查的好地方是“解释”标签。

请注意，在初始阶段，查询在第2阶段处理大约20亿行，在第7阶段处理大约17亿行。不知何故，在第37阶段将其转换为100亿行（爆炸JOIN或SPLIT（）？）。

看看第37阶段会发生什么......因为没有来自这100亿的行通过过滤器（WHERE或等于JOIN）：