Sql SOTorrent：只选择那些带有；安卓；标签？

数据集：——这是数据集（托管在Google的BigQuery上）：您可以在那里运行查询，然后再运行。它有一个Posts表。虽然我已经尝试解释了下面的相关字段，但是可以在这里找到Posts表的详细模式供您参考：

所以：堆栈溢出

背景：数据集有一个名为Posts的表。在该表中，存在一个字段PostTypeId：

• 如果该字段为1，则表示我们现在查看的帖子是发布在SO上的问题。在这种情况下，另一个名为Tags的字段将包含由SO上问题的OP分配的标签

• 如果该字段为2，则它是发布在SO上的答案。在这种情况下，标记字段将为空

问题：只选择那些附加了Android标签的线程的所有答案

我的解决方案：

SELECT
 p.Id,
 p.Score,
 p.body
FROM
  [sotorrent-org:2018_09_23.Posts] p
WHERE
  p.Tags LIKE "%android%"
  AND p.PostTypeId = 2 
LIMIT
  10

但是，很明显，上面的查询将返回

null

，因为WHERE子句检查不能共存的条件。如果帖子有标签，就不能是答案。如果它是一个答案，它不能有标签

---

如何绕过此问题并检查同一表上的两个互斥条件？

您需要使用

ParentId

字段将posts表连接到自身：

#standardSQL
SELECT
  answer.Id
, answer.Score
, answer.body
FROM
  `sotorrent-org.2018_09_23.Posts` question
JOIN
  `sotorrent-org.2018_09_23.Posts` answer
ON
      answer.ParentId=question.Id
  AND answer.PostTypeId=2
  AND question.PostTypeId=1
WHERE
      question.Tags LIKE "%android%"
  AND question.PostTypeId = 1
  AND answer.PostTypeId = 2
LIMIT
  10

---

如果我理解正确，我认为最好的方法是使用窗口函数：

SELECT p.Id,  p.Score p.body
FROM (SELECT p.*,
             MAX(p.tags) OVER (PARTITION BY COALESCE(p.parentid, p.id)) as tags
      FROM `sotorrent-org.2018_09_23.Posts` p
     )
WHERE p.Tags LIKE '%android%' AND
      p.PostTypeId = 2 
LIMIT 10;

---

这应该更快。

效果很好！非常感谢。仅供参考：这不会是成本的一半！相同的字节不会计数两次，三次等：o）因此它将与第一次相同answer@MikhailBerlyant . . . BQ不计算对表的每个引用？按成本计算-您可以多次自联接表，并且只计算该表大小的成本