BigQuery公共数据集JSON查询一致性及骑行距离计算问题

查询结果一致性说明 #

针对你提出的「每次查询bigquery-public-data.new_york_citibike.citibike_trips公共数据集，返回结果是否一致」的问题，分两种情况判断：

• 数据集未更新时：只要执行的查询语句完全相同（比如无ORDER BY的SELECT *），返回的数据集内容是一致的，但行的顺序可能不固定——因为BigQuery是分布式查询引擎，未指定排序规则时，返回结果的行序由查询执行的分布式节点调度决定，不保证每次相同。
• 数据集被官方更新时：如果数据集新增了后续时段的骑行数据或修正了原有数据，两次查询的结果会存在差异，因为底层数据源已经变化。

骑行距离计算修正方案 #

你尝试计算最长、最短骑行距离时出错，核心原因是JSON结果中的经纬度为字符串类型，且手动计算地理距离容易出现校准误差。直接在BigQuery中用内置地理函数计算更准确高效，无需导出JSON处理：

SELECT
  -- 计算最短骑行距离（单位：米）
  MIN(ST_DISTANCE(
    ST_GEOGPOINT(CAST(start_station_longitude AS FLOAT64), CAST(start_station_latitude AS FLOAT64)),
    ST_GEOGPOINT(CAST(end_station_longitude AS FLOAT64), CAST(end_station_latitude AS FLOAT64))
  )) AS shortest_distance_meters,
  -- 计算最长骑行距离（单位：米）
  MAX(ST_DISTANCE(
    ST_GEOGPOINT(CAST(start_station_longitude AS FLOAT64), CAST(start_station_latitude AS FLOAT64)),
    ST_GEOGPOINT(CAST(end_station_longitude AS FLOAT64), CAST(end_station_latitude AS FLOAT64))
  )) AS longest_distance_meters
FROM `bigquery-public-data.new_york_citibike.citibike_trips`

注：语句中增加了CAST转换，确保经纬度从字符串转为浮点型，避免函数执行报错。

内容的提问来源于stack exchange，提问作者Martina Jenkins