小编Jul*_*.Wu的帖子

BigQuery - 从一个大表中为每个 subreddit 选择前 N 个帖子

我正在对 Google BigQuery 上的 Reddit 数据进行数据挖掘,我想根据整个 201704 数据的每个 subreddit 的分数排名前 1000 个帖子。我尝试了不同的技术,但由于 BigQuery 的限制,结果太大而无法返回。

select body, score, subreddit from 
  (
    select body, score, subreddit,row_number() over 
      (
        partition by subreddit order by score desc
      ) mm 
      from [fh-bigquery:reddit_comments.2017_04]
  )
  where mm <= 1000 AND subreddit in 
  (
    select subreddit from 
    (
      select Count(subreddit) as counts, subreddit from 
      [fh-bigquery:reddit_comments.2017_04] GROUP BY subreddit ORDER BY counts DESC 
      LIMIT 10000
    )
  )
LIMIT 10000000
Run Code Online (Sandbox Code Playgroud)

有没有办法分治这个问题,因为启用大查询结果意味着不能做任何复杂的查询。Google 是否为大型查询资源提供付款选项?

sql reddit google-bigquery

4
推荐指数
1
解决办法
3万
查看次数

标签 统计

google-bigquery ×1

reddit ×1

sql ×1