将嵌套列添加到 BigQuery table，加入标准 SQL 中另一个嵌套列的值

Question

我有一个相当复杂的数据集被拉入 BigQuery table 通过一个不容易调整的气流 DAG。

此作业将数据拉入 table，格式如下：

| Line_item_id | Device         |
|--------------|----------------|
| 123          | 202; 5; 100    |
| 124          | 100; 2         |
| 135          | 504; 202; 2    |

目前，我正在使用此查询（在 BQ Web UI 中以标准 SQL 编写）将设备 ID 拆分为单独的嵌套行：

SELECT 
  Line_item_id,
  ARRAY(SELECT AS STRUCT(SPLIT(RTRIM(Device,';'),'; '))) as Device,

输出：

| Line_item_id | Device |
|--------------|--------|
| 123          | 202    |
|              | 203    |
|              | 504    |
| 124          | 102    |
|              | 2      |
| 135          | 102    |

我面临的困难是我有一个单独的匹配项 table，其中包含设备 ID 及其对应的名称。我需要将设备名称添加到上面的 table，作为其相应 ID 旁边的嵌套值。

匹配 table 看起来像这样（有更多行）：

| Device_id | Device_name |
|-----------|-------------|
| 202       | Smartphone  |
| 203       | AppleTV     |
| 504       | Laptop      |

我正在寻找的理想输出是：

| Line_item_id | Device_id | Device_name |
|--------------|-----------|-------------|
| 123          | 202       | Android     |
|              | 203       | AppleTV     |
|              | 504       | Laptop      |
| 124          | 102       | iphone      |
|              | 2         | Unknown     |
| 135          | 102       | iphone      |

如果有人知道如何实现这一点，我将不胜感激。

编辑：

Gordon 的解决方案非常有效，但除此之外，如果有人想在之后重新嵌套数据（这样你最终会得到相同的 table 和额外的嵌套行），这就是查询我终于得到了：

select t.line_item_id, ARRAY_AGG(STRUCT(d as id, ot.name as name)) as device
from first_table t cross join
     unnest(split(Device, '; ')) d join
     match_table ot
     on ot.id  = d
GROUP BY line_item_id

Answer 1

您可以将解析逻辑移动到 from 子句，然后 join 在您想要的位置：

select *
from (select 124 as line_item_id, '203; 100; 6; 2' as device) t cross join
     unnest(split(device, '; ')) d join
     other_table ot
     on ot.device = d;

Answer 2

您需要 UNNEST 设备数组的内容，然后在加入 devices 元表后将其回滚：

select 
   line_item_id, 
   array_agg(struct(device_id as device_id, device_name as device_name)) as devices 
from (
   select 
      d.line_item_id, 
      device_id, 
      n.device_name 
   from `mydataset.basetable` d, unnest(d.device_ids) as device_id
   left join `mydataset.devices_table` n on n.device_id = device_id
)
group by line_item_id

希望对您有所帮助。

Answer 3

以下适用于 BigQuery 标准 SQL。不需要 GROUP BY ...

#standardSQL
SELECT * EXCEPT(Device), 
  ARRAY(
    SELECT AS STRUCT Device_id AS id, Device_name AS name
    FROM UNNEST(SPLIT(REPLACE(Device, ' ', ''), ';')) Device_id WITH OFFSET
    JOIN `project.dataset.devices` 
    USING(Device_id)
    ORDER BY OFFSET
  ) Device
FROM `project.dataset.items`

如果应用于您问题中的样本数据 - 结果是

仅供参考：我使用以下数据进行测试

WITH `project.dataset.items` AS (
  SELECT 123 Line_item_id, '202; 5; 100' Device UNION ALL
  SELECT 124, '100; 2' UNION ALL
  SELECT 135, '504; 202; 2' 
), `project.dataset.devices` AS (
  SELECT '202' Device_id, 'Smartphone' Device_name UNION ALL
  SELECT '203', 'AppleTV' UNION ALL
  SELECT '504', 'Laptop' UNION ALL
  SELECT '5', 'abc' UNION ALL
  SELECT '100', 'xyz' UNION ALL
  SELECT '2', 'zzz'
)

将嵌套列添加到 BigQuery table，加入标准 SQL 中另一个嵌套列的值

Add nested column to BigQuery table, joining on value of another nested column in standard SQL

sql

nested

join

google-bigquery

bigquery-standard-sql