Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lære Udfordring: BigQuery Datavalg | Grundlæggende om Query Engine
BigQuery Grundlæggende

Udfordring: BigQuery Datavalg

Stryg for at vise menuen

Note
Moderne praksis

I videoen og eksemplerne i kurset vil du se funktionen JSON_EXTRACT. Selvom denne funktion er fuldt understøttet og fungerer korrekt, betragtes den som forældet syntaks i BigQuery.

Til dine egne fremtidige projekter anbefaler vi at bruge de moderne standardfunktioner:

  • JSON_VALUE: udtrækker skalarværdier (som strenge eller tal) og fjerner automatisk ekstra anførselstegn;
  • JSON_QUERY: udtrækker komplekse JSON-objekter eller arrays.

Opgave

Din opgave er at analysere kunders indkøbsmønstre og samtidig demonstrere din forståelse af BigQuerys specialiserede funktioner.

  1. Skriv en forespørgsel, der bruger partitionsbeskæring ved at filtrere på den relevante partitionskolonne (_PARTITIONDATE);
  2. Brug APPROX_COUNT_DISTINCT til effektivt at tælle unikke kunder;
  3. Inkludér mindst én JSON-udtrækning fra feltet products;
  4. Gruppér dine resultater på en meningsfuld måde.
Note
Bemærk

For at bruge _PARTITIONDATE til partitionsbeskæring skal BigQuery-tabellen oprettes med Partition by: Ingestion time. Uden denne indstilling vil pseudo-kolonnen ikke eksistere, og forespørgslen vil fejle.

Var alt klart?

Hvordan kan vi forbedre det?

Tak for dine kommentarer!

Sektion 2. Kapitel 4

Spørg AI

expand

Spørg AI

ChatGPT

Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat

Sektion 2. Kapitel 4
some-alt