Google bigquery 在Google BigQuery中的最近日期左键连接

我的问题类似于 但是，如果表A中有多个同名的，我可能会在最近几天加入1个（或更多）

表A

| name | timestamp           | a_data |
| ---- | ------------------- | ------ |
| 1    | 2018-01-01 11:10:00 | a      |
| 1    | 2018-01-01 11:10:00 | h      |
| 2    | 2018-01-01 12:20:00 | b      |
| 3    | 2018-01-01 13:30:00 | c      |

表B

| name | timestamp           | b_data |
| ---- | ------------------- | ------ |
| 1    | 2018-01-01 11:00:00 | w      |
| 1    | 2018-01-01 10:30:00 | i      |
| 1    | 2018-01-01 10:00:00 | j      |
| 2    | 2018-01-01 12:00:00 | x      |
| 3    | 2018-01-01 13:00:00 | y      |
| 3    | 2018-01-01 13:10:00 | y      |
| 3    | 2018-01-01 13:10:00 | z      |

我想做的是

对于表A

SQL LEFT JOIN

中的每一行，表B中早于它的最新记录

当存在多种可能性时，选择最后一种

如果表A中有多个相同名称，则不要选择最后一个，而是最后一个。等等 基本上，这意味着如果可能的话，我想将表A中的每一行与表B中最新的（如果还没有）行配对，否则就删除该行

目标结果

| name | timestamp           | a_data | b_data |
| ---- | ------------------- | ------ | ------ |
| 1    | 2018-01-01 11:10:00 | a      | w      |
| 1    | 2018-01-01 11:10:00 | h      | i      | <-- note h, i
| 2    | 2018-01-01 12:20:00 | b      | x      |
| 3    | 2018-01-01 13:30:00 | c      | z      | <-- note z, not y

|名称|时间戳| a|U数据| b|U数据|
| ---- | ------------------- | ------ | ------ |
|1 | 2018-01-01 11:10:00 | a | w|
|下面的1 | 2018-01-01 11:10:00 | h | i |用于BigQuery标准SQL

#standardSQL
SELECT * FROM (
  SELECT name, 
    ARRAY_AGG(STRUCT(a_ts AS `timestamp`, a_data) ORDER BY a_ts DESC, a_data)[SAFE_OFFSET(ROW_NUMBER() OVER(PARTITION BY name ORDER BY b_ts DESC, b_data DESC) - 1)].*, 
    b_data 
  FROM (
    SELECT name, b_data, b.timestamp AS b_ts, a.timestamp AS a_ts, a_data
    FROM `project.dataset.tableB` b
    LEFT JOIN `project.dataset.tableA` a
    USING(name)
  )
  WHERE b_ts <= a_ts
  GROUP BY name, b_data, b_ts
)
WHERE NOT `timestamp` IS NULL  

请注意：在表a中，无法确定在
a
和
h
之间处理的第一个和第二个。表B中的
y
和
z
相同。要进行区分，您需要有/添加一些额外的规则来定义上述规则的顺序。为了简单起见（不管怎样，这是唯一可以使用您的示例的方法），我使用了相应的
a_数据
和
b_数据
字段的字母顺序
下面是BigQuery标准SQL

#standardSQL
SELECT * FROM (
  SELECT name, 
    ARRAY_AGG(STRUCT(a_ts AS `timestamp`, a_data) ORDER BY a_ts DESC, a_data)[SAFE_OFFSET(ROW_NUMBER() OVER(PARTITION BY name ORDER BY b_ts DESC, b_data DESC) - 1)].*, 
    b_data 
  FROM (
    SELECT name, b_data, b.timestamp AS b_ts, a.timestamp AS a_ts, a_data
    FROM `project.dataset.tableB` b
    LEFT JOIN `project.dataset.tableA` a
    USING(name)
  )
  WHERE b_ts <= a_ts
  GROUP BY name, b_data, b_ts
)
WHERE NOT `timestamp` IS NULL  

请注意：在表a中，无法确定在
a
和
h
之间处理的第一个和第二个。表B中的
y
和
z
相同。要进行区分，您需要有/添加一些额外的规则来定义上述规则的顺序。为了简单起见（不管怎样，这是唯一可以使用您的示例的方法），我使用了各自
a_数据
和
b_数据
字段的字母顺序