Athena SQL：按指定维度分区并拼接行去重值的问题咨询

问题排查与解决步骤 #

1. 校验分组维度的一致性
   先执行以下查询，确认customer_id和date_range的分组是否符合预期：

SELECT customer_id, date_range, COUNT(*) AS row_count
FROM your_table
GROUP BY customer_id, date_range
ORDER BY customer_id, date_range

如果同一个逻辑分组（比如相同customer_id和日期范围）被拆分成多行，大概率是date_range字段存在格式问题：

• 字符串类型的date_range可能有空格、大小写差异或格式不统一（比如2024-01和2024.01）；
• 如果是时间戳类型，可能包含时分秒导致同一日期被拆分为多个分组。

2. 修正分组逻辑
   针对date_range格式问题，统一格式后再分组，同时优化聚合逻辑：

SELECT 
    customer_id,
    -- 字符串类型做去空格清洗；时间戳类型替换为DATE(date_range)提取纯日期
    TRIM(date_range) AS date_range,
    -- 给ARRAY_AGG加排序让结果有序，同时忽略null值
    ARRAY_JOIN(ARRAY_DISTINCT(ARRAY_AGG(product ORDER BY product IGNORE NULLS)), ', ') AS concatenated_products
FROM your_table
GROUP BY customer_id, TRIM(date_range)
ORDER BY customer_id, date_range

3. 验证结果
   执行修正后的语句，对比分组计数的结果，确认每个customer_id + date_range组合仅返回一行，且concatenated_products正确拼接了对应分组下的去重产品名称。

内容的提问来源于stack exchange，提问作者Angel Chen