在Databricks中通过store_id获取表视图最新visit_date的问题

原查询的问题点 #

1. 窗口函数拼写错误：你写的RPW_NUMBER()是笔误，正确的函数名是ROW_NUMBER()，拼写错误会导致排序分区逻辑完全失效，无法正确标记最新日期。
2. 递归视图依赖：创建视图时直接从目标视图abc_gold.student_vw查询，形成循环依赖，Databricks无法正确处理这种逻辑，必须从底层原始表获取数据。
3. 可选优化：SELECT *会把标记用的latest_date列也包含到视图中，若不需要可明确指定所需列。

修正后的查询示例 #

CREATE OR REPLACE VIEW abc_gold.student_vw
AS
SELECT store_id, visit_date
from (
    SELECT store_id, visit_date
        , ROW_NUMBER() OVER (PARTITION BY store_id ORDER BY TO_DATE(visit_date, 'dd-MM-yyyy') DESC) AS latest_date
    FROM abc_gold.student  -- 替换为你的原始数据表名
) L
WHERE L.latest_date = 1

额外说明 #

如果你的visit_date是字符串类型（比如示例中的01-02-2024），直接用字符串排序可能会出现逻辑错误（比如10-01-2024会排在02-02-2024前面），所以建议用TO_DATE(visit_date, 'dd-MM-yyyy')转换为日期类型后再排序，确保日期顺序正确。

效果验证 #

针对你的示例数据：

store_id, visit_date
1         01-02-2024
1         02-02-2024

修正后的查询会返回唯一记录：

store_id, visit_date
1         02-02-2024

内容的提问来源于stack exchange，提问作者Chinnu