如果其中一个为空，则 BigQuery 中多个键的左外连接不会

Question

我运行对 BigQuery 中多个键的左外连接感到奇怪。如果其中一个键是右侧 table 上的 null，则它不匹配，因此它将 null 放入右侧 table.

的所有值中

如果我有 2 tables

   Table1              Table2
------------      ----------------
 k1 |k2  |v3      k1 |k2  | v4
------------      ----------------
 foo|boo |hey     foo|NULL| you
 bar|test|yo      bar|test| hi
 foo|NULL|hey

然后我执行以下操作 join

SELECT t1.k1, t1.k2, t1.v3, t2.v4 FROM [Table1] t1
LEFT OUTER JOIN EACH [Table2] t2 
ON t1.k1=t2.k1 AND t1.k2=t2.k2

我得到这样的结果

t1_k1|t1_k2|t1_v3|t2_v4
-----------------------
foo  |boo  |hey  |NULL  --No match here so NULL in t2_v4 it's ok
bar  |test |hey  |hi    --It matches here on bar and test
foo  |NULL |hey  |NULL  --It doesn't match on foo NULL.

我希望最后一行是

foo  |NULL |hey  |you

这是预期的行为吗？我的意思是 NULL.

上没有匹配项

还有其他方法可以得到我想要的结果吗？

Answer 1

这是标准行为。修复它的一种方法是使 join 子句更复杂：

SELECT t1.k1, t1.k2, t1.v3, t2.v4
FROM [Table1] t1 LEFT OUTER JOIN EACH 
     [Table2] t2 
     ON (t1.k1 = t2.k1 OR (t1.k1 is null and t2.k1 is null)) AND
        (t1.k2 = t2.k2 OR (t1.k2 is null and t2.k2 is null))

这可能会对性能产生不良影响。一些数据库有空安全的相等操作可以使用，但我认为 BigQuery 不支持。

因此，最好的建议是修复数据，使 NULL 不是有效的键值。否则，您可以使用多个连接。如果你只有一个 join 键，它看起来像

SELECT t1.k1, t1.k2, t1.v3, coalesce(t2.v4, t2null.v4)
FROM [Table1] t1 LEFT OUTER JOIN EACH 
     [Table2] t2 
     ON t1.k1 = t2.k1  LEFT OUTER JOIN EACH
     [Table2] t2null
     ON (t1.k1 is null and t2.k1 is null) ;

但是，对于复合 join 键，这更难组合在一起。

Answer 2

在 SQL 中，NULL 不等于任何东西——甚至它本身。

有一些合理的建议，但请注意，BigQuery 仅支持等式连接的连接条件，这排除了 OR 或 IS NULL.[=20= 的使用]

能否使用空值以外的标记值？例如，如果您将 NULL 替换为空字符串（或字符串 "null"，或数据中其他地方未出现的其他内容），连接将按您预期的那样工作。您甚至可以使用子查询以最低的性能成本即时执行此操作。

SELECT t1.k1, t1.k2, t1.v3, t2.v4
FROM
  (SELECT IFNULL(k1, "null") k1, IFNULL(k2, "null") k2 FROM [Table1]) t1
LEFT OUTER JOIN EACH
  (SELECT IFNULL(v3, "null") v3, IFNULL(v4, "null") v4 FROM [Table2]) t2
ON t1.k1 = t2.k1 AND t1.k2 = t2.k2

您可以添加一个外部 select 将字符串 "null" 变回真正的 NULL。

显然，只有当字符串 "null" 没有出现在您的数据的其他地方时，这才有效。

如果其中一个为空，则 BigQuery 中多个键的左外连接不会

Left outer join in BigQuery on multiple keys doesn't if one of them is null

google-bigquery