BigQuery SQL分组行时如何覆盖指定列的无效值

你不需要拆分两个表做LEFT JOIN，直接用单表聚合就能实现需求，执行效率更高，逻辑也更简洁。

核心逻辑 #

按url字段分组时：

• 对pvs字段直接用SUM()聚合求和
• 对tags字段，先把值为'-'的占位符转为NULL，再通过聚合函数提取非空的有效值即可，聚合函数会自动跳过NULL值

可直接运行的代码（BigQuery环境） #

SELECT
  url,
  MAX(IF(tags != '-', tags, NULL)) AS tags,
  SUM(pvs) AS pvs
FROM tabla_1
GROUP BY url

逻辑说明 #

• 你给出的样例数据中，同一个url分组下只会存在1个非'-'的有效tags值，用MAX()或者MIN()做聚合都能准确拿到这个有效值，不会出错
• 整个查询只需要对表做一次扫描，相比拆分两表JOIN的写法，性能优势非常明显，代码可维护性也更高

拓展场景：如果后续业务调整，同一个url下可能存在多个不同的有效tags值，可以把tags的聚合逻辑替换为STRING_AGG(DISTINCT IF(tags != '-', tags, NULL), ', ')，会自动将同组下所有有效tags去重后用逗号拼接。

内容的提问来源于stack exchange，提问作者marzalja