La fonction SQL max_by facilite l’extraction d’une valeur associée à la plus grande valeur d’une autre colonne, éliminant la complexité des jointures ou des fonctions fenêtre. Indispensable pour obtenir, par exemple, la dernière commande d’un utilisateur (source : documentation Google BigQuery).
3 principaux points à retenir.
- max_by permet d’obtenir facilement la valeur liée à l’élément maximum d’une autre colonne.
- Elle simplifie les requêtes SQL, évitant les fonctions fenêtre complexes comme row_number() ou les jointures.
- Idéal pour des cas récurrents comme récupérer la dernière commande, le dernier commentaire ou l’événement le plus récent.
Qu’est-ce que la fonction max_by en SQL et à quoi sert-elle
La fonction max_by en SQL est un véritable atout pour les analystes de données. Son principe est simple : elle permet de récupérer la valeur d’une colonne associée à la plus grande valeur d’une autre colonne au sein d’un groupe. En d’autres termes, vous donnez à la fonction deux colonnes, et elle retourne la valeur de la première colonne correspondant à la plus grande valeur de la deuxième colonne. Ce fonctionnement rend le langage SQL plus intuitif et expressif.
Mais pourquoi est-ce si intéressant ? Dans les méthodes classiques, comme avec row_number() ou les jointures, la rédaction des requêtes peut devenir complexe, surtout lorsque vous manipulez de grandes quantités de données. Avec max_by, vous simplifiez non seulement la lecture de votre requête mais aussi sa rédaction. Par exemple, au lieu d’écrire plusieurs lignes pour établir une condition ou une jointure, vous pouvez obtenir le même résultat en une seule ligne. Disons que vous souhaitez trouver l’identifiant de la dernière commande passée par chaque utilisateur. Ceci est un cas parfait où max_by brille.
Voici un exemple concret : imaginez que vous disposez d’une table orders qui contient les colonnes user_id, order_id, et ordered_at. Pour extraire l’identifiant de la dernière commande par utilisateur, voici la requête SQL que vous pourriez écrire :
SELECT user_id, max_by(order_id, ordered_at) AS last_order_id
FROM orders
GROUP BY user_id;Dans cette requête, max_by(order_id, ordered_at) sélectionne l’order_id correspondant à la plus grande date dans ordered_at. C’est à la fois concis et puissant.
En résumé, la fonction max_by vous aide à rendre vos requêtes SQL plus efficaces et lisibles. Cela réduit le besoin de solutions alternatives parfois lourdes et permet un gain de temps considérable lors de l’écriture de vos scripts.
Comment max_by optimise les analyses dans BigQuery
Dans l’écosystème BigQuery, la fonction max_by se distingue par sa nature native et son optimisation spécifique pour ce moteur. Contrairement à d’autres méthodes d’agrégation, elle permet d’extraire des valeurs maximales associées à des critères ou des clés sans avoir à recourir à des sous-requêtes complexes ou à des fonctions fenêtre coûteuses. Cela se traduira directement par une diminution du coût computationnel et une réduction de la complexité de vos requêtes, ce qui est essentiel quand on manipule des volumes massifs de données.
Imaginez que vous devez récupérer le dernier événement utilisateur dans un vaste ensemble de données. Avant l’apparition de max_by, cela nécessitait souvent d’utiliser des jointures ou des constructions comme row_number() pour partitionner vos données, découvrir le dernier événement, puis filtrer. Un processus lourd et gourmand en ressources.
Avec max_by, vous pouvez atteindre le même résultat avec une seule ligne de code, ce qui simplifie la structure de votre requête tout en optimisant l’exécution. Voici un exemple concret :
SELECT
user_id,
max_by(event, event_datetime) AS last_event
FROM
user_events
GROUP BY
user_id
Dans cet exemple, pour chaque user_id, max_by renvoie l’événement correspondant à la valeur maximale de event_datetime. Ce faisant, vous éliminez la nécessité de créer des sous-requêtes ou des jointures supplémentaires. Cela permet de rendre vos analyses nettement plus fluides et rapides.
Pour bien comprendre l’impact de max_by par rapport à d’autres approches, voici un tableau comparatif qui met en lumière leurs performances et leur simplicité :
| Méthode | Performance | Simplicité |
|---|---|---|
| max_by() | Excellente | Très simple |
| row_number() | Bonne | Complexe |
| Jointure | Moyenne | Complexe |
Avoir accès à des fonctions comme max_by vous permet d’optimiser vos analyses de manière significative. Pour plus de détails sur son utilisation, vous pouvez consulter cet article ici.
Dans quels cas utiliser max_by pour vos projets data
La fonction max_by est particulièrement utile lorsqu’il s’agit de traiter des données où il est crucial d’extraire les enregistrements correspondants à un critère maximal, tout en conservant les détails associés. Dans les projets data, elle trouve toute son efficacité dans plusieurs cas pratiques.
- Tracking utilisateur : Lorsqu’on suit les actions des utilisateurs sur une application, par exemple, on peut vouloir extraire la dernière action effectuée par un utilisateur. Grâce à max_by, il est facile de sélectionner le dernier enregistrement en fonction d’un timestamp. Voici un exemple de requête :
SELECT user_id, max_by(action, timestamp) AS last_action
FROM user_actions
GROUP BY user_id;SELECT product_id, max_by(comment_text, created_at) AS last_comment
FROM product_comments
GROUP BY product_id;
Cependant, il existe des limites à l’utilisation de max_by. Cette fonction est efficace pour les comparaisons simples, mais lorsque vous avez besoin d’évaluer plusieurs critères ou de réaliser des opérations plus complexes, d’autres méthodes seront nécessaires. Par exemple, essayer de récupérer le dernier commentaire basé sur des critères tels que le nombre de likes ou la pertinence nécessitera une approche différente.
En somme, max_by est un outil puissant pour le traitement efficace des données dans des situations simples, telles que le suivi des utilisateurs et la restitution d’événements récents. Gardez à l’esprit ses limites et n’hésitez pas à explorer d’autres fonctions lorsque vos besoins deviennent plus complexes.
Comment écrire des requêtes performantes avec max_by
Pour écrire des requêtes SQL performantes avec max_by, il est crucial de comprendre sa syntaxe et son rôle dans la gestion des données. Voici la structure de base :
max_by(column_to_return, column_to_group)Notez bien : l’utilisation de cette fonction nécessite impérativement une clause GROUP BY. Cela permet de regrouper les résultats en fonction d’une ou plusieurs colonnes, rendant ainsi les résultats beaucoup plus significatifs.
Le choix des colonnes analysées et indexées est fondamental. Un index correctement configuré peut faire toute la différence en termes de rapidité d’exécution des requêtes, surtout sur de grandes tables.
Voici quelques exemples concrets :
- Extrait la commande la plus récente par client :
SELECT client_id, max_by(commande_date, commande_id) AS derniere_commande
FROM commandes
GROUP BY client_id;Cela vous permet d’obtenir la commande la plus récente pour chaque client, en tenant compte de la date et de l’identifiant de la commande.
- Récupère le dernier statut d’une commande :
SELECT commande_id, max_by(statut, date_mise_a_jour) AS dernier_statut
FROM statuts
GROUP BY commande_id;Cette requête tire parti de max_by pour récupérer le statut le plus récent de chaque commande, en se basant sur la date de mise à jour.
- Trouve le dernier événement loggué d’un utilisateur :
SELECT utilisateur_id, max_by(evt_date, evt_id) AS dernier_evenement
FROM logs
GROUP BY utilisateur_id;
Avec ce code, vous pourrez extraire le dernier événement pour chaque utilisateur, ce qui est particulièrement utile pour l’analyse des comportements.
En termes de maintenance et de lisibilité, l’utilisation de max_by simplifie votre code SQL. Cela réduit le risque de mauvaise interprétation des résultats et facilite la lecture pour d’autres développeurs qui pourraient l’examiner.
En conclusion, voici un tableau récapitulatif des erreurs fréquentes à éviter :
| Erreur | Conséquence |
|---|---|
| Oublier le GROUP BY | Erreur de syntaxe |
| Ne pas indexer les colonnes utilisées | Performance médiocre |
| Utiliser des colonnes inappropriées dans max_by | Résultats incorrects |
Pour plus d’informations sur max_by, consultez la documentation officielle ici.
Max_by est-il la clé pour simplifier vos requêtes SQL complexes ?
La fonction max_by, bien exploitée, permet de réduire la complexité et d’améliorer la lisibilité des requêtes SQL en capturant en un seul appel la valeur associée au maximum d’une autre colonne. Spécifiquement dans BigQuery, elle optimise aussi les performances d’exécution, car elle est conçue nativement pour ce moteur. Avec des cas d’usage concrets, comme récupérer la dernière commande ou événement utilisateur, max_by évite des jointures lourdes ou des fonctions fenêtre complexes. En résumé, c’est l’arme secrète à adopter pour toutes vos analyses nécessitant des valeurs basées sur un critère maximum.
FAQ
Qu’est-ce que la fonction max_by en SQL ?
Pourquoi utiliser max_by plutôt que row_number() ?
Quels cas d’usage sont adaptés pour max_by ?
Fonctionne-t-elle uniquement sur BigQuery ?
Peut-on utiliser max_by pour des critères complexes ?
A propos de l’auteur
Je suis Franck Scandolera, consultant expert en Data Engineering et formateur depuis plus de 10 ans. Responsable de l’agence webAnalyste et de ‘Formations Analytics’, j’accompagne agences digitales et annonceurs dans la maîtrise du SQL avancé et des technologies BigQuery. Mon expertise : transformer les données en insights exploitables, automatiser les pipelines avec rigueur et simplicité, et garantir des solutions durables et performantes. Passionné par les fonctions SQL pointues comme max_by, je partage mes retours d’expérience pour rendre les requêtes plus efficaces et compréhensibles, sans perdre les équipes dans des complexités inutiles.
⭐ Analytics engineer, Data Analyst et Automatisation IA indépendant ⭐
- Ref clients : Logis Hôtel, Yelloh Village, BazarChic, Fédération Football Français, Texdecor…
Mon terrain de jeu :
- Data Analyst & Analytics engineering : tracking avancé (GTM server, e-commerce, CAPI, RGPD), entrepôt de données (BigQuery, Snowflake, PostgreSQL, ClickHouse), modèles (Airflow, dbt, Dataform), dashboards décisionnels (Looker, Power BI, Metabase, SQL, Python).
- Automatisation IA des taches Data, Marketing, RH, compta etc : conception de workflows intelligents robustes (n8n, App Script, scraping) connectés aux API de vos outils et LLM (OpenAI, Mistral, Claude…).
- Engineering IA pour créer des applications et agent IA sur mesure : intégration de LLM (OpenAI, Mistral…), RAG, assistants métier, génération de documents complexes, APIs, backends Node.js/Python.