示例相关表架构：
+---------------------------+-------------------+
| activity_date - TIMESTAMP | user_id - STRING |
+---------------------------+-------------------+
| 2017-02-22 17:36:08 UTC | fake_id_i24385787 |
+---------------------------+-------------------+
| 2017-02-22 04:27:08 UTC | fake_id_234885747 |
+---------------------------+-------------------+
| 2017-02-22 08:36:08 UTC | fake_id_i24385787 |
+---------------------------+-------------------+
我需要在滚动时间段（90 天）内对大型数据集的活跃不同用户进行计数，并且由于数据集的大小而遇到问题。
起初，我尝试使用窗口函数，类似于这里的答案。 /sf/answers/1930213211/
WITH
daily AS (
SELECT
DATE(activity_date) day,
user_id
FROM
`fake-table`)
SELECT
day,
SUM(APPROX_COUNT_DISTINCT(user_id)) OVER (ORDER BY day ROWS BETWEEN 89 PRECEDING AND CURRENT ROW) ninty_day_window_apprx
FROM
daily
GROUP BY
1
ORDER BY
1 DESC
然而，这会导致每天获得不同数量的用户，然后将它们相加 - 但如果它们出现多次，则可以在窗口内复制不同的用户。因此，这并不是对 90 天内不同用户的真正准确衡量。
我尝试的下一件事是使用以下解决方案 …