解锁Presto/Trino高级查询:从集合运算到多维分析与窗口函数实战

news2026/4/29 1:37:07
1. 从零掌握Presto/Trino集合运算第一次接触Presto/Trino的集合运算时我完全被UNION、INTERSECT、EXCEPT这些操作符搞晕了。直到在电商用户行为分析项目中踩过几次坑后才发现它们其实是处理数据集的瑞士军刀。想象你手上有两份销售数据线上商城和线下门店UNION就像把两个Excel表格上下拼接INTERSECT则是找出两个渠道都购买过的VIP客户而EXCEPT能筛选出仅在线下消费的银发族群体。UNION ALL是最直接的合并方式它保留所有记录包括重复项。记得去年双十一大促时我们需要合并来自MySQL和Hive的订单数据当时用下面这段代码快速生成了总销售报表-- 合并两个数据源的订单记录保留重复 SELECT order_id, customer_id, amount FROM mysql.orders_online UNION ALL SELECT order_id, customer_id, amount FROM hive.orders_offline但要注意性能陷阱当处理千万级数据时UNION ALL会比UNION快3-5倍因为后者需要额外去重。有次我忘记这个区别导致周报生成时间从2分钟暴增到15分钟。INTERSECT的实战价值在于用户画像交叉分析。比如要找出同时满足月消费1万和最近登录7天的高价值用户-- 交叉分析高净值用户 SELECT user_id FROM dw.user_consumption WHERE monthly_spend 10000 INTERSECT SELECT user_id FROM dw.user_activity WHERE last_login_date CURRENT_DATE - INTERVAL 7 DAYEXCEPT特别适合做数据清洗。去年做RFM模型时我用它排除测试账号的影响-- 排除测试账号后的有效用户 SELECT user_id FROM production.users EXCEPT SELECT user_id FROM test.test_accounts实际工作中集合运算有三大黄金法则所有SELECT语句的列数和类型必须严格匹配大数据量操作时优先考虑分区字段过滤混合使用ALL/DISTINCT时要评估性能损耗2. 多维分析的秘密武器GROUPING SETS家族在零售行业做经营分析时最头疼的就是要同时出不同维度的汇总报表。直到我发现GROUPING SETS这套组合拳原来需要写5个SQL的报表现在1个就能搞定。比如分析全国连锁店的销售数据时-- 多维度销售分析 SELECT region, city, store_type, SUM(sales) AS total_sales, GROUPING(region, city, store_type) AS group_id FROM sales_data GROUP BY GROUPING SETS ( (region, city, store_type), -- 门店粒度 (region, store_type), -- 区域类型 (region), -- 大区汇总 () -- 全国总计 ) ORDER BY group_id;ROLLUP的层次化聚合简直是制作年报的利器。它自动生成从细到粗的所有分组组合比如时间维度从年月日一直汇总到全年-- 时间维度层级汇总 SELECT EXTRACT(YEAR FROM order_date) AS year, EXTRACT(MONTH FROM order_date) AS month, EXTRACT(DAY FROM order_date) AS day, SUM(amount) AS daily_sales FROM orders GROUP BY ROLLUP( EXTRACT(YEAR FROM order_date), EXTRACT(MONTH FROM order_date), EXTRACT(DAY FROM order_date) )CUBE更适合做探索性分析。有次做商品关联分析用CUBE发现了意想不到的品类组合-- 商品品类全组合分析 SELECT category1, category2, payment_method, COUNT(DISTINCT order_id) AS order_count FROM order_details GROUP BY CUBE(category1, category2, payment_method)GROUPING函数是理解这些结果的钥匙。它返回的二进制掩码能准确告诉我们当前行是哪个分组组合的汇总结果。这里有个实用技巧在BI工具中可以用CASE语句转换这些数字为可读标签SELECT CASE GROUPING(region) WHEN 1 THEN ALL ELSE region END AS region_label -- 其他列... FROM sales_data GROUP BY ROLLUP(region)3. WITH子句SQL的模块化编程重构复杂SQL就像整理一团乱麻直到我学会WITH子句这种乐高式编程。去年做用户生命周期分析时原本300行的嵌套查询被拆解成清晰的模块WITH -- 第一步识别新用户 new_users AS ( SELECT user_id, MIN(order_date) AS first_order_date FROM orders GROUP BY user_id ), -- 第二步计算复购行为 repeat_purchases AS ( SELECT user_id, COUNT(DISTINCT order_id) AS order_count FROM orders WHERE order_date (SELECT first_order_date FROM new_users nu WHERE nu.user_id orders.user_id) GROUP BY user_id ), -- 第三步关联用户属性 user_segments AS ( SELECT u.user_id, CASE WHEN r.order_count 5 THEN 高价值 WHEN r.order_count 1 THEN 潜力 ELSE 流失风险 END AS segment FROM new_users u LEFT JOIN repeat_purchases r ON u.user_id r.user_id ) -- 最终输出 SELECT segment, COUNT(*) AS user_count FROM user_segments GROUP BY segment;WITH RECURSIVE更是处理层级数据的核武器。处理组织架构数据时用它查询部门层级关系比写存储过程优雅多了-- 递归查询部门树 WITH RECURSIVE org_tree AS ( -- 基础查询获取根部门 SELECT dept_id, dept_name, parent_id, 1 AS level FROM department WHERE parent_id IS NULL UNION ALL -- 递归查询关联子部门 SELECT d.dept_id, d.dept_name, d.parent_id, t.level 1 FROM department d JOIN org_tree t ON d.parent_id t.dept_id ) SELECT * FROM org_tree ORDER BY level, dept_id;性能优化方面有个血的教训WITH子句虽然是临时视图但Presto/Trino不保证只执行一次。有次我误以为WITH子句会被缓存导致一个10亿级表被扫描了三次。正确的做法是对大表查询先用CREATE TABLE AS物化中间结果。4. 窗口函数让数据分析飞起来第一次用窗口函数分析用户购买路径时我仿佛打开了新世界的大门。原来需要Java代码实现的复杂分析现在几句SQL就能搞定。比如计算每个用户的消费累计占比-- 用户消费累计分析 SELECT user_id, order_date, amount, SUM(amount) OVER (PARTITION BY user_id ORDER BY order_date) AS running_total, ROUND(amount * 100.0 / SUM(amount) OVER (PARTITION BY user_id), 2) AS percent_of_total FROM orders WHERE user_id IN (1001, 1002, 1003);LAG/LEAD这对兄弟函数是时间序列分析的标配。去年做零售库存预警时用它们实现了自动化的周环比分析-- 销售周环比分析 WITH weekly_sales AS ( SELECT product_id, DATE_TRUNC(week, sale_date) AS week_start, SUM(quantity) AS weekly_quantity FROM sales GROUP BY 1, 2 ) SELECT product_id, week_start, weekly_quantity, LAG(weekly_quantity, 1) OVER (PARTITION BY product_id ORDER BY week_start) AS prev_week_quantity, ROUND((weekly_quantity - LAG(weekly_quantity, 1) OVER (PARTITION BY product_id ORDER BY week_start)) * 100.0 / NULLIF(LAG(weekly_quantity, 1) OVER (PARTITION BY product_id ORDER BY week_start), 0), 2) AS week_over_week_pct FROM weekly_sales ORDER BY product_id, week_start;窗口帧的灵活定义是高级分析的杀手锏。做移动平均分析时发现三种帧类型各有妙用-- 三种移动平均计算方式 SELECT date, sales, -- 固定窗口最近7天 AVG(sales) OVER (ORDER BY date ROWS BETWEEN 6 PRECEDING AND CURRENT ROW) AS ma_7days, -- 动态窗口当月累计 AVG(sales) OVER (PARTITION BY EXTRACT(YEAR_MONTH FROM date) ORDER BY date ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) AS mtd_avg, -- 对称窗口前后3天 AVG(sales) OVER (ORDER BY date ROWS BETWEEN 3 PRECEDING AND 3 FOLLOWING) AS centered_ma FROM daily_sales;性能调优方面有个关键发现窗口函数的PARTITION BY子句应该尽量使用分区键。有次在十亿级用户表上添加正确的分区字段后查询从15分钟降到47秒。另外多个窗口函数尽量合并到同一个OVER子句中能减少数据扫描次数。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2504695.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…