Bigquery 中的重复分区 Table

Question

我发现数据有问题，我正在尝试查找插入不同日期分区的重复数据，现在我想保留较早日期的数据并删除最新摄取的数据。

例如：-

在屏幕截图中，您看到两行中的数据相同，但由于某些问题，相同的数据也插入了 2021-04-28，现在我想删除 2021-04-28 分区中的所有此类记录.并保留04-27的数据和04-28的实际行。

有人可以分享查询以查找这些重复项并查询以删除 2021-04-28 分区中的重复项。

下面是我为识别重复项而编写的查询，但看起来并不完全正确。

select grp_nbr,port_rgs_id,tranc_number,strt_tm,sqr_nbr,itm_nbr,trvl_dte from
(select grp_nbr,port_rgs_id,tranc_number,strt_tm,sqr_nbr,itm_nbr,trvl_sdte, row_number() over(partition by grp_nbr,port_rgs_id,tranc_number,strt_tm,sqr_nbr,itm_nbr,trvl_dte order by trvl_dte desc)rn from  table_name)a where rn=1

Answer 1

您的查询是正确的。以更易读的方式，它可以是：

SELECT * EXCEPT(rownum)
FROM (
    SELECT 
        *,
        ROW_NUMBER() OVER (PARTITION BY grp_nbr,port_rgs_id,tranc_number,strt_tm,sqr_nbr,itm_nbr ORDER BY trvl_dte ) rownum
    FROM `yourtable`
    )
WHERE rownum = 1

编辑：trvl_dte 列不应包含在 PARTITION BY 语句中。另外，由于您想保留最早的 trvl_dte，因此您需要按 trvl_dte ASC 而不是 DESC 进行排序。

Bigquery 中的重复分区 Table

Duplicates in Bigquery partitioned Table

google-bigquery

bigquery-udf