BigQuery - 在连接谓词中使用 SQL UDF

Question

我在运行左连接时尝试使用 SQL UDF，但收到以下错误：

连接谓词中的子查询应该只依赖于一个连接端。

查询是：

CREATE TEMPORARY FUNCTION game_match(game1 STRING,game2 STRING) AS (
  strpos(game1,game2) >0
);

SELECT 
  t1.gameId 
  FROM `bigquery-public-data.baseball.games_post_wide` t1
  left join `bigquery-public-data.baseball.games_post_wide` t2 on t1.gameId=t2.gameId and game_match(t1. gameId, t2.gameId)

在内联编写条件时，查询有效，而不是函数调用(strpos(t1. gameId, t2. gameId) >0)。

此特定函数是否存在问题，或者连接谓词通常不支持 SQL UDF（出于某种原因）？

Answer 1

您可以在the issue tracker 上提交功能请求以完成这项工作。这是查询计划/优化的限制；对于某些背景，BigQuery 会转换函数调用，以便查询的逻辑表示如下：

SELECT 
  t1.gameId 
FROM `bigquery-public-data.baseball.games_post_wide` t1
left join `bigquery-public-data.baseball.games_post_wide` t2
on t1.gameId=t2.gameId
  and (SELECT strpos(game1,game2) > 0 FROM (SELECT t1.gameId AS game1, t2.gameId AS game2))

BigQuery 像这样转换 SQL UDF 调用的原因是它需要避免多次计算输入。虽然在这种特殊情况下这不是问题，但如果您在 UDF 正文中多次引用其中一个输入，例如考虑这个 UDF：

CREATE TEMP FUNCTION Foo(x FLOAT64) AS (x - x);
SELECT Foo(RAND());

如果 BigQuery 直接内联表达式，您将得到以下结果：

SELECT RAND() - RAND();

结果不会为零，考虑到 UDF 的定义，这是出乎意料的。

在大多数情况下，BigQuery 的逻辑优化将如上所示的更复杂的子选择转换为更简单的形式，假设这样做不会改变查询的语义。但是，在这种情况下并没有发生这种情况，因此出现了错误。