Question

我一直在研究GA数据的（标准）SQL查询，以查找包含两个URL之一的会话数。但是，通过两个URL进行过滤并从hits.page.pagePath中提取是我遇到问题的地方。

这是一个给我错误的查询示例：

SELECT
  date, COUNT(visitId) AS visits
FROM `123456789.ga_sessions_20170219`,`123456789.ga_sessions_20170220`
WHERE
  REGEXP_CONTAINS(hits.page.pagePath, r"^/(apples|oranges).html.*")
GROUP BY date

直接展平也不起作用：

SELECT
  date, COUNT(visitId) AS visits
FROM `123456789.ga_sessions_20170219`,`123456789.ga_sessions_20170220`
WHERE
  REGEXP_CONTAINS((
    SELECT pagePath
    FROM UNNEST(
      SELECT page
      FROM UNNEST(hits) AS page) AS pagePath), r"^/(apples|oranges).html.*")
GROUP BY date

另外，我不确定这种方法是否能提供我想要的数据。

Answer 1

首先，您不能在标准SQL中使用逗号到UNION表（逗号表示CROSS JOIN） - 您可以使用_TABLE_SUFFIX或直接使用UNION ALL。要计算在正则表达式定义的页面上遇到的会话，您可以使用以下EXISTS子句：

SELECT
  date, COUNT(visitId) AS visits
FROM 
  (SELECT * FROM `123456789.ga_sessions_20170219` UNION ALL
   SELECT * FROM `123456789.ga_sessions_20170220`)
WHERE
  EXISTS(
    SELECT 1 FROM UNNEST(hits) h
    WHERE REGEXP_CONTAINS(h.page.pagePath, r"^/(apples|oranges).html.*"))
GROUP BY date

Google BigQuery：访问一组页面的会话数

1 个答案: