无法将 BigQuery 旧版 SQL 转换为 HAVING LEFT(...) 的标准 SQL

Question

我想使用BigQuery Standard SQL 进行类似this one 的查询：

SELECT package, COUNT(*) count
FROM (
  SELECT REGEXP_EXTRACT(line, r' ([a-z0-9\._]*)\.') package, id
  FROM (
    SELECT SPLIT(content, '\n') line, id
    FROM [github-groovy-files:github.contents] 
    WHERE content CONTAINS 'import'
    HAVING LEFT(line, 6)='import' )
    GROUP BY package, id
  )
GROUP BY 1
ORDER BY count DESC
LIMIT 30;

我无法通过这样的事情（有效但不能 GROUP 或 COUNT）：

with lines as 
(SELECT SPLIT(c.content, '\n') line, c.id as id
      FROM `<dataset>.contents` c, `<dataset>.files` f 
      WHERE c.id = f.id AND f.path LIKE '%.groovy')
select 
  array(select REGEXP_REPLACE(l, r'import |;', '') AS class from unnest(line) as l where l like 'import %') imports, id
from lines;

LEFT() 不在标准 SQL 中，似乎没有可以接受数组类型的函数。

Answer 1

LEFT() 不在标准 SQL 中...

在 BigQuery 标准 SQL 中，您可以使用 SUBSTR(value, position[, length]) 代替旧版的 LEFT

... 似乎没有一个函数可以接受数组类型。

有很多 Array's related functions 以及接受数组作为参数的函数 - 例如 UNNEST()

我想将 BigQuery 标准 SQL 用于这样的查询：

下面是 BigQuery Standard SQL 的等效查询

SELECT package, COUNT(*) COUNT
FROM (
  SELECT REGEXP_EXTRACT(line, r' ([a-z0-9\._]*)\.') package, id
  FROM (
    SELECT line, id
    FROM `github-groovy-files.github.contents`,
    UNNEST(SPLIT(content, '\n')) line
    WHERE SUBSTR(line, 1, 6)='import' 
  )
  GROUP BY package, id
)
GROUP BY 1
ORDER BY COUNT DESC
LIMIT 30

你可以用WHERE line LIKE 'import%'代替WHERE SUBSTR(line, 1, 6)='import'

另外请注意，这个查询可以用多种方式编写 - 所以在我上面的示例中，我专注于将您的查询“转换”为从传统 sql 到标准 sql，同时保留原始查询的核心结构和方法

但是，如果您想使用标准 SQL 的强大功能来重写它 - 您最终会得到如下所示的内容

SELECT REGEXP_EXTRACT(line, r' ([a-z0-9\._]*)\.') package, COUNT(DISTINCT id) count
FROM `github-groovy-files.github.contents`,
UNNEST(SPLIT(content, '\n')) line
WHERE line LIKE 'import%' 
GROUP BY 1
ORDER BY count DESC
LIMIT 30