Snowflake中移除重复值并保留最后session_group数据的问题

核心需求回顾 #

按anonymous_id分组，仅保留每个组中session_group值最大的完整记录，且禁止使用窗口函数（partition by）。

问题分析 #

• 第一个查询的问题：GROUP BY中包含了order_number、session_group_b2、CHAN_ATTRIBUTION，导致分组粒度太细，同一anonymous_id下只要这些字段不同就会生成多条结果，所以仍有重复。
• 第二个查询的问题：PARTITION BY错误地使用了order_number，逻辑不符合需求，且违反了禁止使用partition by的要求。

可行方案（无需窗口函数） #

方案1：关联子查询

通过子查询先获取每个anonymous_id对应的最大session_group，再匹配原表的完整记录：

SELECT cto.*
FROM channel_to_order cto
WHERE (cto.anonymous_id, cto.session_group) IN (
    SELECT anonymous_id, MAX(session_group)
    FROM channel_to_order
    GROUP BY anonymous_id
);

方案2：JOIN关联分组结果

先分组计算每个anonymous_id的最大session_group，再通过JOIN关联原表拿到完整数据：

SELECT cto.*
FROM channel_to_order cto
JOIN (
    SELECT anonymous_id, MAX(session_group) AS last_session
    FROM channel_to_order
    GROUP BY anonymous_id
) AS max_sessions
ON cto.anonymous_id = max_sessions.anonymous_id
AND cto.session_group = max_sessions.last_session;

额外处理：同一匿名用户+最大session_group下有多条记录的情况 #

如果存在同一个anonymous_id和最大session_group对应多条记录（比如同一用户同一session_group下有多个订单），可以进一步保留最新的order_number：

SELECT cto.*
FROM channel_to_order cto
WHERE (cto.anonymous_id, cto.session_group, cto.order_number) IN (
    SELECT anonymous_id, MAX(session_group), MAX(order_number)
    FROM channel_to_order
    GROUP BY anonymous_id
);

内容的提问来源于stack exchange，提问作者steph