在大型版本历史表中选择最新记录
有一个表包含每条记录的多个版本，但您必须使用最新版本。
可以先把 ID 和最大更新日期选入一个临时表，再将该临时表与历史表做 INNER JOIN 以获得结果，从而解决此问题。遗憾的是，这需要两个步骤，并且要存储一个除查找最新更新之外别无用处的中间表。
更优雅的做法是使用带排序的窗口函数加上筛选器，在单个查询中完成该操作。
| employee_id | department | salary | update_date |
|---|---|---|---|
| 3 | IT | 90000 | 2024-09-17 |
| 2 | HR | 85000 | 2024-09-17 |
| 5 | HR | 82000 | 2024-09-17 |
| 3 | IT | 77000 | 2023-10-01 |
| 3 | IT | 75000 | 2022-10-04 |
| 5 | IT | 72000 | 2024-07-12 |
| 2 | IT | 67000 | 2024-03-18 |
| 1 | Sales | 62000 | 2022-02-28 |
| 5 | Sales | 60000 | 2023-01-14 |
| 4 | Sales | 58000 | 2021-11-19 |
使用提取步骤，在名为 Rank 的列中创建窗口函数表达式，例如：
func.rank().over(order_by=table.updated_date.desc(), partition_by=table.employee_id)在提取步骤的筛选器选项卡中，设置如下筛选器：
table.Rank == 1| employee_id | department | salary | update_date | Rank |
|---|---|---|---|---|
| 3 | IT | 90000 | 2024-09-17 | 1 |
| 2 | HR | 85000 | 2024-09-17 | 1 |
| 5 | HR | 82000 | 2024-09-17 | 1 |
| 1 | Sales | 62000 | 2022-02-28 | 1 |
| 4 | Sales | 58000 | 2021-11-19 | 1 |
这种方法非常高效，只需一个步骤即可在多版本历史表中选出最新记录。其原理是在 employee_id 分组内按 update_date 对每条记录排名，然后只选取第一条记录。
如果唯一行键由多个列组成，可以将它们作为列表添加到 partition_by 参数中，例如：
partition_by=[table.first_column, table.second_column, table.third_column]如果需要应用多列排序，同样可以使用列的列表来实现，例如：
order_by=[table.first_column.desc(), table.second_column, table.third_column.desc()]