我需要一些帮助来编写/优化查询，以按类型检索每行的最新版本，并根据类型执行一些计算。我认为最好举个例子说明一下。

给定以下数据集：

+-------+-------------------+---------------------+-------------+---------------------+--------+----------+
| id    | event_type        | event_timestamp     | message_id  | sent_at             | status | rate     |
+-------+-------------------+---------------------+-------------+---------------------+--------+----------+
| 1     | create            | 2016-11-25 09:17:48 | 1           | 2016-11-25 09:17:48 | 0      | 0.500000 |
| 2     | status_update     | 2016-11-25 09:24:38 | 1           | 2016-11-25 09:28:49 | 1      | 0.500000 |
| 3     | create            | 2016-11-25 09:47:48 | 2           | 2016-11-25 09:47:48 | 0      | 0.500000 |
| 4     | status_update     | 2016-11-25 09:54:38 | 2           | 2016-11-25 09:48:49 | 1      | 0.500000 |
| 5     | rate_update       | 2016-11-25 09:55:07 | 2           | 2016-11-25 09:50:07 | 0      | 1.000000 |
| 6     | create            | 2016-11-26 09:17:48 | 3           | 2016-11-26 09:17:48 | 0      | 0.500000 |
| 7     | create            | 2016-11-27 09:17:48 | 4           | 2016-11-27 09:17:48 | 0      | 0.500000 |
| 8     | rate_update       | 2016-11-27 09:55:07 | 4           | 2016-11-27 09:50:07 | 0      | 2.000000 |
| 9     | rate_update       | 2016-11-27 09:55:07 | 2           | 2016-11-25 09:55:07 | 0      | 2.000000 |
+-------+-------------------+---------------------+-------------+---------------------+--------+----------+

预期结果应为：

+------------+--------------------+--------------------+-----------------------+
| sent_at    | sum(submitted_msg) | sum(delivered_msg) | sum(rate_total)       |
+------------+--------------------+--------------------+-----------------------+
| 2016-11-25 |                  2 |                  2 |              2.500000 |
| 2016-11-26 |                  1 |                  0 |              0.500000 |
| 2016-11-27 |                  1 |                  0 |              2.000000 |
+------------+--------------------+--------------------+-----------------------+

帖子的末尾是用于获取此结果的查询。我愿意打赌，应该有一种优化它的方法，因为它使用的是带有联接的子查询，从我所了解的BigQuery来看，最好避免联接。但是首先要有一些背景：

从本质上讲，数据集表示一个只附加表，在该表中写入了multipe事件。数据的大小是数亿，并且将增长到数十亿以上。由于BigQuery中的Updates不切实际，并且数据正在流式传输到BQ，因此我需要一种方法来检索每个事件的最新事件，根据特定条件执行一些计算并返回准确的结果。该查询是根据用户输入动态生成的，因此可以包含更多字段/计算，但是为简单起见，已将其省略。

• 只有一个create事件，但n有任何其他事件
• 对于每组事件，在进行计算时仅应考虑最新事件。
  • status_update-更新状态
  • rate_update-更新费率
  • 创建-自我解释
• 每个不是的事件都create可能不包含原始信息的其余部分/可能不准确（除了message_id和该事件所针对的字段）（简化了数据集，但想象有更多的列，并且更多事件将在以后添加）
  • 例如，rate_update可能设置或未设置状态字段，或者该值不是最终值，因此无法根据rate_update事件对状态字段进行计算，对于status_update
• 可以假定该表按日期进行了分区，并且每个查询都将使用这些分区。出于简化的目的，目前已经省略了这些条件。

所以我想我有几个问题：

• 如何优化此查询？
• 除了将事件放置create在自己的表中之外，将事件放在表中唯一可用的字段是与事件相关的字段，并且是联接所需的字段（message_id，event_timestamp）是否是一个更好的主意？这会减少处理的数据量吗？
• 将来添加事件的最佳方法是什么，这将有自己的条件和计算方法？

实际上，关于如何高效，友好地查询此数据集的任何建议都非常受欢迎！谢谢！:)

我想出的怪兽如下。根据INNER JOINS此资源，用于检索每行的最新版本

    select
    sent_at as sent_at,
    sum(submitted_msg) as submitted,
    sum(delivered_msg) as delivered,
    sum(sales_rate_total) as sales_rate_total
    FROM (

      #DELIVERED
        SELECT 
            d.message_id,
            FORMAT_TIMESTAMP('%Y-%m-%d 00:00:00', sent_at) AS sent_at,
            0 as submitted_msg,
            sum(if(status=1,1,0)) as delivered_msg,
            0 as sales_rate_total
        FROM `events` d
        INNER JOIN
                (
                    select message_id, max(event_timestamp) as ts 
                    from `events` 
                    where event_type = "status_update" 
                    group by 1
                    ) g on d.message_id = g.message_id and d.event_timestamp = g.ts
        GROUP BY 1,2

        UNION ALL

      #SALES RATE
        SELECT 
            s.message_id,
            FORMAT_TIMESTAMP('%Y-%m-%d 00:00:00', sent_at) AS sent_at,
            0 as submitted_msg,
            0 as delivered_msg,
            sum(sales_rate) as sales_rate_total
        FROM `events` s
        INNER JOIN 
                    (
                    select message_id, max(event_timestamp) as ts 
                    from `events` 
                    where event_type in ("rate_update", "create")  
                    group by 1
                    ) f on s.message_id = f.message_id and s.event_timestamp = f.ts
        GROUP BY 1,2

        UNION ALL

      #SUBMITTED & REST
        SELECT 
            r.message_id,
            FORMAT_TIMESTAMP('%Y-%m-%d 00:00:00', sent_at) AS sent_at,
            sum(if(status=0,1,0)) as submitted_msg,
            0 as delivered_msg,
            0 as sales_rate_total
        FROM `events` r
        INNER JOIN
                (
                    select message_id, max(event_timestamp) as ts 
                    from `events` 
                    where event_type = "create" 
                    group by 1
                    ) e on r.message_id = e.message_id and r.event_timestamp = e.ts
        GROUP BY 1, 2

    ) k
    group by 1