BigQuery关联表获取Pet表去重PetID对应数据的实现及Inner Join适用性咨询

Inner Join可行性说明 #

直接使用未做预处理的INNER JOIN不可行：Owner表中单个PetID对应多条所有者记录，直接关联Pet表后会返回多条同PetID的结果，不符合每个PetID仅保留一条记录的要求。但经过对Owner表的去重处理后，可以搭配INNER JOIN实现需求，且INNER JOIN本身的特性可以自动过滤掉Pet表不存在的PetID（如Owner表中的890、901），符合你的过滤要求。

BigQuery实现代码 #

方案1：使用QUALIFY窗口函数过滤（最简洁） #

BigQuery支持标准SQL的QUALIFY语法，可以直接对JOIN后的结果按PetID分组去重：

SELECT
  p.PetID,
  o.OwnerName,
  o.OwnerNumber,
  p.PetName
FROM `你的项目名.你的数据集名.Pet` p
INNER JOIN `你的项目名.你的数据集名.Owner` o
  ON p.PetID = o.PetID
-- 按PetID分组，每组仅保留1条记录，可调整ORDER BY规则指定保留哪条
QUALIFY ROW_NUMBER() OVER (PARTITION BY o.PetID ORDER BY o.OwnerName) = 1

如果不需要指定保留规则，直接省略ORDER BY o.OwnerName即可，和你示例返回的结果完全一致。

方案2：先预处理Owner表再关联 #

先对Owner表按PetID分组，每组取第一条所有者记录，再和Pet表关联：

SELECT
  p.PetID,
  o.owner_info.OwnerName,
  o.owner_info.OwnerNumber,
  p.PetName
FROM `你的项目名.你的数据集名.Pet` p
INNER JOIN (
  SELECT
    PetID,
    -- 每组取第一条所有者信息
    ARRAY_AGG(STRUCT(OwnerName, OwnerNumber) LIMIT 1)[OFFSET(0)] AS owner_info
  FROM `你的项目名.你的数据集名.Owner`
  GROUP BY PetID
) o
  ON p.PetID = o.PetID

内容的提问来源于stack exchange，提问作者HelloSQL