Databricks中嵌套CTE的SQL查询逻辑解析请求

先把你的查询代码贴出来，方便对应讲解：

WITH lax_bos AS (
  WITH origin_destination (origin_airport, destination_airport) AS (
    SELECT
      origin,
      destination
    FROM
      external_table
  )
  SELECT
    *
  FROM
    origin_destination
  WHERE
    origin_airport = 'LAX'
    AND destination_airport = 'BOS'
)
SELECT
  count(origin_airport) AS `Total Flights from LAX to BOS`
FROM
  lax_bos;

咱们从内到外一步步拆解执行过程：

• 最内层CTE：origin_destination
  这一步从external_table里取出origin（出发机场）和destination（到达机场）两个字段，同时给它们起别名origin_airport和destination_airport，生成一个临时数据集，里面存着所有航班的出发、到达机场信息。

• 中层CTE：lax_bos
  这个CTE基于上面的origin_destination临时数据集，添加过滤条件：只保留origin_airport为LAX（洛杉矶机场）且destination_airport为BOS（波士顿机场）的记录，相当于从所有航班里筛选出「洛杉矶飞波士顿」的航班，生成一个仅包含这类航班的临时数据集。

• 主查询：统计航班总数
  最后一步统计lax_bos数据集中origin_airport的数量，因为每条记录对应一个航班，所以统计结果就是LAX到BOS的总航班数，也就是你看到的684。

其实这个嵌套写法有点冗余，完全可以合并成单个CTE，效果完全一致：

WITH lax_bos AS (
  SELECT
    origin AS origin_airport,
    destination AS destination_airport
  FROM
    external_table
  WHERE
    origin = 'LAX'
    AND destination = 'BOS'
)
SELECT
  count(origin_airport) AS `Total Flights from LAX to BOS`
FROM
  lax_bos;

内容的提问来源于stack exchange，提问作者Jessica Calkins