如何在BigQuery中过滤重复页面并保留会话访问时序？

你需要先为每个会话（session_id）和页面（pagePath）计算首次访问时间，再基于这个时间排序，同时确保会话与页面的组合唯一。修改后的查询语句如下：

SELECT 
  session_id,
  pagePath
FROM (
  SELECT 
    fullVisitorId || '.' || visitStartTime || '.' || visitNumber AS session_id, 
    page.pagePath,
    MIN(DATETIME_ADD(DATETIME(TIMESTAMP_SECONDS(visitStartTime), "America/New_York"), INTERVAL hits.time MILLISECOND)) AS first_page_visit_time
  FROM `xx.xx.ga_sessions_*`,
       UNNEST(hits) AS hits
  WHERE hits.type = "PAGE"
    AND date = '20220403' 
  GROUP BY session_id, pagePath
)
ORDER BY session_id, first_page_visit_time ASC

修改说明： #

• 移除冗余的SELECT DISTINCT：GROUP BY session_id, pagePath已经保证每个会话-页面组合仅出现一次，无需额外去重。
• 子查询保留首次访问时间：通过MIN()函数获取每个页面在会话中的最早访问时间，作为后续排序的依据。
• 外层仅返回所需字段：外层查询只选择session_id和pagePath，同时按会话ID和首次访问时间升序排列，确保页面按访问先后顺序展示。

内容的提问来源于stack exchange，提问作者dddela