BigQuery 完全外连接产生“左连接”结果

Question

我有 2 个表，它们都包含不同的 id 值。某些 id 值可能出现在两个表中，而某些 id 值对每个表都是唯一的。 Table1 有 10,910 行，Table2 有 11,304 行

运行左连接查询时：

SELECT COUNT(DISTINCT a.id)
FROM table1 a
JOIN table2 b on a.id = b.id

我总共得到 10,896 行或 10,896 个 id 在两个表之间共享。

但是，当我像这样在 2 张桌子上运行 FULL OUTER JOIN 时：

SELECT COUNT(DISTINCT a.id)
FROM table1 a
FULL OUTER JOIN EACH table2 b on a.id = b.id

我总共得到 10,896 行，但我期望 table1 中的所有 10,910 行。

我想知道我的查询语法是否有问题。

Answer 1

当您使用 EACH 时 - 看起来您正在以旧版 SQL 模式运行查询。
在 BigQuery 旧版 SQL 中 - COUNT(DISTINCT) 函数是概率性的 - 提供统计近似值，但不保证准确。
您可以改用 EXACT_COUNT_DISTINCT() 函数 - 这个函数会为您提供准确的数字，但在后端会贵一些

更好的选择 - 只需使用 Standard SQL
对于您的特定查询，您只需要删除 EACH 关键字，它应该可以作为一个魅力

#standardSQL
SELECT COUNT(DISTINCT a.id)
FROM table1 a
JOIN table2 b on a.id = b.id

和

#standardSQL
SELECT COUNT(DISTINCT a.id)
FROM table1 a
FULL OUTER JOIN table2 b on a.id = b.id

Answer 2

我将原始查询添加为子查询并计算 id 并产生预期结果。还是有点奇怪，但它确实有效。

SELECT EXACT_COUNT_DISTINCT(a.id)
FROM
(SELECT a.id AS a.id,
b.id AS b.id
FROM table1 a FULL OUTER JOIN EACH table2 b on a.id = b.id))

Answer 3

这是因为您在这两种情况下都使用计数（不同的 a.id）来计算表 a 的非空行数。 使用 count(*)，它应该可以工作。