返回列中给定值的第一行 - BigQuery答案

【问题标题】：Return First Row For Given Value in a Column - BigQuery返回列中给定值的第一行 - BigQuery
【发布时间】：2018-08-02 17:37:56
【问题描述】：

我有一个非常大的表，其中有一列包含每行的字符串类型的自定义 ID。对于每个 ID，该表中有 50 个属性。这保证在表中是唯一的。

我的主要任务是获取给定 ID 的行中的这 50 个属性。当我像下面这样运行普通查询时，只扫描 100 万行需要 5 秒。

SELECT * FROM `mytable` WHERE id='123'

据我了解，BigQuery 在将行划分为不同的集群后会并行搜索匹配项。而且我相信对于给定的 ID 值，它将检查所有不同集群中的所有行。这样即使在一个分区中找到匹配项，其他集群也会继续获得其他匹配项。

但是由于 ID 列中的值在这里是唯一的，我们能否以某种方式“破坏”在其他集群上运行的作业，一旦在集群中找到匹配项并返回该行。

我希望这将加快查询运行时间。此外，在未来，这张表会变得非常大，所以如果能做到这一点，它对我的目的真的很有帮助。

欢迎提出任何建议。

【问题讨论】：

【解决方案1】：

您可以使用最近介绍的Clustered Tables
这将使您降低成本并提高性能

请注意：目前仅分区表支持集群 - 但对clustering non-partitioned tables 的支持正在开发中

如果你的表是分区的，你可以通过 id 对它进行集群 - 你就完成了
如果没有 - 您可以引入“假”日期字段并通过它进行分区，以便该表可以使用集群

同时，如果您只对给定 ID 的一行感兴趣 - 请在下方尝试

SELECT * FROM mytable WHERE id='123' LIMIT 1

【讨论】：

感谢米哈伊尔的创意。会深入研究。不幸的是，SELECT * FROM mytable WHERE id='123' LIMIT 1 在这种情况下没有任何改进。
是的。使用聚簇表将查询时间减少到约 2 秒，数据处理到只有几个字节，而之前它是 230MB。而且我相信即使表大小增加，它也应该提供几乎相同的性能。