根据时间戳删除 BQ 中旧的重复行

Question

我有一个 BQ table，其中包含相同 ad_id.

的重复（x2 次）行

我想删除 ts > 120 分钟的旧行，其中有一个具有相同 ad_id 的较新行（架构包含 timestamp, ad_id, value. But there is not rowId）。

这是我的尝试，有更好的方法吗？

DELETE FROM {table_full_name} o
       WHERE timestamp < TIMESTAMP_SUB(CURRENT_TIMESTAMP(), INTERVAL 120 MINUTE) AND timestamp in ( 
                                            SELECT MIN(timestamp) 
                                            FROM  {table_full_name}  i 
                                            WHERE i.ad_id=o.ad_id 
                                            GROUP  BY ad_id)

数据示例：

`ad-id` | `ts`             | `value`   |
`1`     | Sep-1-2021 12:01 | `Scanned` |
`2`     | Sep-1-2021 12:02 | `Error`   |
`1`     | Sep-1-2021 12:03 | `Removed` |

我想将其清理为：

`ad-id` | `ts`             | `value`   |
`2`     | Sep-1-2021 12:02 | `Error`   |
`1`     | Sep-1-2021 12:03 | `Removed` |

我看到了这个post，但是BQ不支持row-id的自动递增。

我看到了这个。但是我如何在没有 ts 间隔的情况下修改它（因为它是未知的）。

Answer 1

你可以试试这个脚本。使用 COUNT() with HAVING 使用 TIMESTAMP_DIFF.

提取时间戳比当前时间早于 120 分钟的重复记录

DELETE
FROM `table_full_name` 
WHERE ad_id in (SELECT ad_id 
                    FROM `table_full_name`
                    GROUP BY ad_id
                    HAVING COUNT(ad_id) > 1) 
AND TIMESTAMP_DIFF(CURRENT_TIMESTAMP(), timestamp, MINUTE) > 120

之前：

之后：

根据时间戳删除 BQ 中旧的重复行

Remove old duplicate rows in BQ based on timestamp

sql

google-bigquery

timestamp

sql-delete

bq