如何在BigQuery中通过SQL按映射规则对数据分组？

是的，完全可以仅用SQL在BigQuery中实现这种分组映射需求，而且针对大规模数据也能高效运行。以下是两种常用的实现方式：

方法1：使用CASE语句直接映射 #

如果你的映射规则固定且数量不多，直接用CASE WHEN语句是最简洁的方式：

SELECT
  CASE
    WHEN Product_Code IN ('AA1', 'AA2') THEN 'AA1'
    WHEN Product_Code IN ('BB1', 'BB2') THEN 'BB1'
    ELSE Product_Code  -- 保留不需要映射的产品编码
  END AS Mapped_Product_Code,
  Country,
  SUM(Sales) AS Total_Sales
FROM
  `你的项目名.你的数据集名.你的表名`
GROUP BY
  Mapped_Product_Code,
  Country;

BigQuery会并行处理CASE逻辑，即使是数十亿行的大规模数据，也能高效完成计算，不会成为性能瓶颈。

方法2：使用映射表关联查询 #

如果映射规则复杂、数量较多或需要频繁更新，建议创建一个独立的映射表，通过关联查询实现分组：

步骤1：创建映射表（临时或永久均可） #

-- 创建临时映射表（会话结束后自动销毁）
CREATE TEMP TABLE Product_Mapping AS
SELECT 'AA1' AS Original_Code, 'AA1' AS Mapped_Code UNION ALL
SELECT 'AA2' AS Original_Code, 'AA1' AS Mapped_Code UNION ALL
SELECT 'BB1' AS Original_Code, 'BB1' AS Mapped_Code UNION ALL
SELECT 'BB2' AS Original_Code, 'BB1' AS Mapped_Code;

步骤2：关联原始表并汇总 #

SELECT
  pm.Mapped_Code,
  o.Country,
  SUM(o.Sales) AS Total_Sales
FROM
  `你的项目名.你的数据集名.你的表名` o
LEFT JOIN  -- 使用LEFT JOIN保留未在映射表中的产品编码
  Product_Mapping pm
ON
  o.Product_Code = pm.Original_Code
GROUP BY
  pm.Mapped_Code,
  o.Country;

这种方式的优势在于映射规则集中管理，后续修改只需更新映射表，无需修改主查询逻辑，同样能高效支持大规模数据处理。

性能说明 #

BigQuery的分布式架构天生适合处理大规模数据，上述两种方法都会被自动优化为并行执行。如果你的表已经做了分区或聚类，查询性能会进一步提升。

内容的提问来源于stack exchange，提问作者Murphstar