如何在Presto SQL中利用ROW_NUMBER过滤重复订单

浅婷大大_2549

浅婷大大_2549

2026-11-21

690人浏览

原创

在presto sql中利用row_number过滤重复订单,核心做法是调用窗口函数 row_number() 配合 partition by 和 order by 子句。具体而言,将订单id等唯一标识作为分区依据,按时间或优先级排序,生成行号后在外层查询中筛选行号为1的记录,从而保留每个订单的最新或最优先版本并剔除其余重复项。

如何在Presto SQL中利用ROW_NUMBER过滤重复订单

如何定义去重逻辑与排序规则

确定去重逻辑的关键在于明确“重复”的定义以及“保留哪一条”的标准。通常以 order_id 为分组键,若需保留最新记录则按 created_at 降序排列,若需保留最早记录则升序排列。这种逻辑直接决定了 ROW_NUMBER() 生成的序号分布,进而影响最终过滤结果。

如何在Presto SQL中利用ROW_NUMBER过滤重复订单

WITH ranked_orders AS (
    SELECT 
        order_id,
        user_id,
        amount,
        created_at,
        ROW_NUMBER() OVER (
            PARTITION BY order_id 
            ORDER BY created_at DESC
        ) as rn
    FROM orders
)
SELECT 
    order_id,
    user_id,
    amount,
    created_at
FROM ranked_orders
WHERE rn = 1;

上述代码首先通过CTE构建中间结果集,其中 rn 列即为去重后的行号。外层查询仅选取 rn = 1 的行,确保每个 order_id 仅返回一条记录。预期结果为:若某 order_id 存在多条记录,仅返回 created_at 最大的一条;若不存在重复,则原样返回。该方案适用于数据量适中且内存充足的场景,Presto会高效执行窗口计算。

如何处理大规模数据下的性能瓶颈

当数据规模达到TB级时,全表扫描并计算 ROW_NUMBER() 可能导致Shuffle开销过大。此时可结合预聚合或分桶策略优化。例如,先按 order_id 进行局部聚合,或在写入阶段使用分桶表减少扫描范围。此外,若业务允许,可引入 DISTINCT ON(若引擎支持)或基于哈希的预过滤机制降低计算复杂度。

如何在Presto SQL中利用ROW_NUMBER过滤重复订单

-- 假设orders表已按order_id分桶
SELECT /*+ BROADCAST */ 
    order_id,
    user_id,
    amount,
    created_at
FROM (
    SELECT 
        order_id,
        user_id,
        amount,
        created_at,
        ROW_NUMBER() OVER (
            PARTITION BY order_id 
            ORDER BY created_at DESC
        ) as rn
    FROM orders
) sub
WHERE rn = 1;

此示例中,BROADCAST 提示用于优化小表关联,但核心仍依赖 ROW_NUMBER() 的去重逻辑。若数据倾斜严重,可考虑在 PARTITION BY 中加入更多维度(如 user_id)以平衡负载。预期行为:在合理分桶下,查询延迟显著降低,且结果一致性不变。需注意,Presto对窗口函数的支持依赖于其分布式执行引擎,实际性能受集群配置和数据分布影响。

当order_id包含NULL值时ROW_NUMBER的行为是什么

在Presto SQL中,ROW_NUMBER() 会将 NULL 视为一个独立的分区值。这意味着所有 order_id 为 NULL 的记录会被归入同一分区,并按 ORDER BY 规则排序。若未指定 ORDER BY,则顺序不确定;若指定了排序字段,则 NULL 值的排序位置遵循SQL标准(默认置于末尾或开头,取决于数据库实现)。因此,NULL 不会导致错误,但可能产生非预期的去重结果,需在业务层面显式处理。

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
大数据分析工具有哪四个
大数据分析工具有哪四个

大数据分析的四个工具分别是rapidminer、Hpcc、Hadoop和Pentaho bi。大数据分析用于从各种来源生成的原始数据中提取有价值的数据。这些数据帮助我们获得有意义的见解、隐藏的模式、未知的相关性、市场趋势等等,具体取决于行业。大数据分析的主要动机是提供有价值的见解,以便为未来做出更好的决策。php中文网为大家带来了大数据分析的相关教程、以及相关文章等内容,供大家免费下载使用。

2023.06.21

6736

5

Java 大数据处理基础(Hadoop 方向)
Java 大数据处理基础(Hadoop 方向)

本专题聚焦 Java 在大数据离线处理场景中的核心应用,系统讲解 Hadoop 生态的基本原理、HDFS 文件系统操作、MapReduce 编程模型、作业优化策略以及常见数据处理流程。通过实际示例(如日志分析、批处理任务),帮助学习者掌握使用 Java 构建高效大数据处理程序的完整方法。

2025.12.08

1289

12

大数据专业学习教程
大数据专业学习教程

本专题整合了大数据专业学习相关教程,阅读专题下面的文章了解更多详细内容。

2026.01.05

263

5

python处理大数据合集
python处理大数据合集

本专题整合了python处理大数据相关教程,阅读专题下面的文章了解更多详细内容。

2026.01.05

566

22

数据分析工具有哪些
数据分析工具有哪些

数据分析工具有Excel、SQL、Python、R、Tableau、Power BI、SAS、SPSS和MATLAB等。详细介绍:1、Excel,具有强大的计算和数据处理功能;2、SQL,可以进行数据查询、过滤、排序、聚合等操作;3、Python,拥有丰富的数据分析库;4、R,拥有丰富的统计分析库和图形库;5、Tableau,提供了直观易用的用户界面等等。

2023.10.12

5163

8

SQL中distinct的用法
SQL中distinct的用法

SQL中distinct的语法是“SELECT DISTINCT column1, column2,...,FROM table_name;”。本专题为大家提供相关的文章、下载、课程内容,供大家免费下载体验。

2023.10.27

1051

4

SQL中months_between使用方法
SQL中months_between使用方法

在SQL中,MONTHS_BETWEEN 是一个常见的函数,用于计算两个日期之间的月份差。想了解更多SQL的相关内容,可以阅读本专题下面的文章。

2024.02.23

1349

5

SQL出现5120错误解决方法
SQL出现5120错误解决方法

SQL Server错误5120是由于没有足够的权限来访问或操作指定的数据库或文件引起的。想了解更多sql错误的相关内容,可以阅读本专题下面的文章。

2024.03.06

7281

10

sql procedure语法错误解决方法
sql procedure语法错误解决方法

sql procedure语法错误解决办法:1、仔细检查错误消息;2、检查语法规则;3、检查括号和引号;4、检查变量和参数;5、检查关键字和函数;6、逐步调试;7、参考文档和示例。想了解更多语法错误的相关内容,可以阅读本专题下面的文章。

2024.03.06

3883

4

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
phpStudy极速入门视频教程
phpStudy极速入门视频教程

共6课时 | 54.7万人学习

独孤九贱(4)_PHP视频教程
独孤九贱(4)_PHP视频教程

共89课时 | 134.3万人学习