Question

我想知道BigQuery Standard SQL中与某些RTRIM和REGEXP_REPLACE相关的表现。以下哪两个更具性能：

DISTINCT RTRIM("12367e","abcdefghijklmnopqrstuvwxyz") 与 REGEXP_REPLACE("12367e", r"\D$", "")

我不确定这两种方法之间是否存在重大的性能变化。

Answer 1

除非您拥有大量数据，否则看起来并没有太大区别。我在bigquery-public-data.github_repos.commits表上尝试了一些查询，将这些字符串转换应用到commits列，其值为0000120032a071dcd7e4bb1c8d418ca7a0028431。

我尝试的查询是：

SELECT COUNTIF(RTRIM(commit,'abcdefghijklmnopqrstuvwxyz') = '')
FROM `bigquery-public-data`.github_repos.commits;

SELECT COUNTIF(REGEXP_REPLACE(commit, r'\D$', '') = '')
FROM `bigquery-public-data`.github_repos.commits;

SELECT COUNT(*)
FROM `bigquery-public-data`.github_repos.commits
WHERE RTRIM(commit,'abcdefghijklmnopqrstuvwxyz') = '';

SELECT COUNT(*)
FROM `bigquery-public-data`.github_repos.commits
WHERE REGEXP_REPLACE(commit, r'\D$', '') = '';

这些都处理7.91 GB的数据（仅来自字符串列）并需要两到三秒才能运行，而没有任何查询比其他查询快得多。我故意过滤数据，结果是空的，因为我不想包括写时间。

RegQuery标准性能REGEXP_REPLACE vs RTRIM

1 个答案: