BigQuery中Left Join时重复id2仅匹配左表单行的实现方案问询

要实现你说的需求，核心是先对右表的重复id2做去重处理，再和左表做Left Join，这样左表每一行只会匹配到右表的一行数据（即便右表有多个相同id2）。下面给你两种在BigQuery里可行的实现方式：

方法1：用DISTINCT快速去重 #

如果右表中同一id2对应的其他字段值完全一致，直接用DISTINCT去重右表即可，写法简单高效：

SELECT 
  t1.*,
  t2.*
FROM 
  `your-project.your-dataset.table1` t1
LEFT JOIN (
  -- 选择需要关联的字段，确保id2唯一
  SELECT DISTINCT id2, column_a, column_b 
  FROM `your-project.your-dataset.table2`
) t2 ON t1.id2 = t2.id2

方法2：用ROW_NUMBER()指定取数逻辑 #

如果右表同一id2对应的其他字段值不同，你需要明确指定取哪一行（比如最新的、某个字段最大的），可以用窗口函数ROW_NUMBER()实现：

WITH deduplicated_table2 AS (
  SELECT 
    id2, column_a, column_b,
    -- 按id2分组，根据需要的字段排序（比如create_time取最新），给每行打序号
    ROW_NUMBER() OVER (PARTITION BY id2 ORDER BY create_time DESC) AS row_num
  FROM `your-project.your-dataset.table2`
)
SELECT 
  t1.*,
  t2.id2, t2.column_a, t2.column_b
FROM 
  `your-project.your-dataset.table1` t1
LEFT JOIN deduplicated_table2 t2 
  ON t1.id2 = t2.id2 AND t2.row_num = 1  -- 只取每组的第一行

注意事项 #

• 方法1适合重复数据完全一致的场景，执行效率更高；
• 方法2可以灵活控制取重复数据中的哪一行，比如按时间、数值排序选择优先级最高的记录；
• 替换SQL中的your-project.your-dataset和字段名，匹配你的实际数据结构即可。

内容的提问来源于stack exchange，提问作者Jim E Russel