在BigQuery中按所有者和流派分组返回各前20条数据样本

嘿，你现在用一堆UNION ALL拼接查询的方式确实太笨重了——不仅写起来麻烦，数据库还得重复扫描整张表N次，性能开销会随着Owner和Genre组合的增多直线上升。我之前也踩过类似的坑，给你推荐个更简洁高效的方案：用窗口函数实现分组内的Top N筛选。

核心思路 #

利用ROW_NUMBER()窗口函数，按Owner和Genre作为分组键（PARTITION BY），给每个分组内的记录编号，最后只保留编号≤20的记录即可。这样数据库只需要扫描一次表，就能完成所有分组的Top N筛选。

具体SQL示例 #

SELECT Owner, Genre, Data_one, Data_two
FROM (
    SELECT 
        Owner, 
        Genre, 
        Data_one, 
        Data_two,
        -- 按Owner和Genre分组，每组内按你需要的规则排序（比如创建时间、评分等）
        ROW_NUMBER() OVER (
            PARTITION BY Owner, Genre 
            ORDER BY create_time DESC -- 这里替换成你实际需要的排序字段，确保取到的是你想要的前20条
        ) AS row_num
    FROM `dataset-table`
    -- 如果需要过滤特定的Genre或Owner，在这里加WHERE条件即可，比如：
    -- WHERE Genre LIKE "%HORROR%" OR Owner = "Alex"
) ranked_records
WHERE row_num <= 20;

方案优势 #

• 性能更优：仅需扫描一次表，避免了UNION ALL方案中多次重复扫描的开销，数据量越大，优势越明显
• 维护简单：不需要手动拼接几十上百个查询块，不管有多少Owner和Genre组合，都能自动覆盖
• 灵活性高：可以通过调整ORDER BY子句，灵活控制每组内取哪些记录（比如最新的20条、评分最高的20条等）

额外说明 #

如果你业务上允许同组内出现并列排名的记录（比如同Owner同Genre下有20条以上相同优先级的记录，想全部保留），可以把ROW_NUMBER()换成RANK()或DENSE_RANK()：

• RANK()：会跳过并列的编号（比如1,1,3）
• DENSE_RANK()：不会跳过编号（比如1,1,2）

根据你的实际业务需求选择就行。

内容的提问来源于stack exchange，提问作者Quirke1337