SQL ASOF JOIN spiegato: abbinare ogni riga al valore più recente, in ogni motore

Un join normale abbina le righe quando le chiavi sono uguali. Molte domande reali chiedono altro: la riga con il timestamp più recente uguale o precedente a un altro timestamp. Il prezzo di un'azione al momento di un acquisto. Il cambio valido il giorno di una fattura. Il piano del cliente quando ha aperto un ticket di assistenza. È un ASOF JOIN ("as of", cioè "alla data di"). Snowflake, DuckDB, ClickHouse e Polars lo hanno, e Apache Spark lo ha aggiunto nella versione 4.3. Questa guida spiega l'idea una volta, poi mostra la sintassi in ogni strumento.

L'idea, con un esempio

Useremo sempre le stesse due piccole tabelle. Ogni transazione deve ricevere l'ultima quotazione dello stesso titolo uguale o precedente all'ora della transazione.

Guarda la transazione 2: c'è anche una quotazione alle 10:00:25, ma è arrivata dopo la transazione, quindi non va usata. E la transazione 3 non ha nessuna quotazione precedente. Cosa le succede dipende dal tipo di join, che è la fonte di errori più comune.

La sintassi in ogni motore

Ogni esempio qui sotto restituisce i prezzi 10.0, 10.5, NULL e 20.0. Le versioni per DuckDB 2.0, Spark 4.3, Polars 2.1 e pandas 3.1 le abbiamo eseguite noi.

SELECT t.trade_id, t.sym, t.ts, q.price
FROM trades t
ASOF JOIN quotes q
  MATCH_CONDITION (t.ts >= q.ts)
  ON t.sym = q.sym;

SELECT t.trade_id, t.sym, t.ts, q.price
FROM trades t
ASOF LEFT JOIN quotes q
  ON t.sym = q.sym AND t.ts >= q.ts;

SET spark.sql.join.asofJoin.enabled = true;

SELECT t.trade_id, q.price
FROM trades AS t
LEFT ASOF JOIN quotes AS q
  MATCH_CONDITION (t.ts >= q.ts)
  ON t.sym = q.sym;

import polars as pl

# DataFrame API: both frames sorted by the time column
result = trades.sort("ts").join_asof(
    quotes.sort("ts"), on="ts", by="sym", strategy="backward"
)

# SQL, Snowflake style (Polars 2.1+)
pl.SQLContext(trades=trades, quotes=quotes).execute("""
    SELECT trades.trade_id, price
    FROM trades
    ASOF JOIN quotes MATCH_CONDITION (trades.ts >= quotes.ts)
    ON trades.sym = quotes.sym
""").collect()

import pandas as pd

result = pd.merge_asof(
    trades.sort_values("ts"),
    quotes.sort_values("ts"),
    on="ts", by="sym",
    direction="backward",                # latest at or before
    tolerance=pd.Timedelta("10s"),       # optional: ignore stale quotes
)

SELECT t.trade_id, q.price
FROM trades AS t
ASOF LEFT JOIN quotes AS q
  ON t.sym = q.sym AND t.ts >= q.ts;

Niente ASOF JOIN? Usa questa alternativa

BigQuery e PostgreSQL non hanno la parola chiave ASOF, ma due schemi danno la stessa risposta. Nei nostri test entrambi hanno restituito risultati identici alle versioni ASOF.

-- QUALIFY version (WHERE TRUE is harmless and keeps BigQuery happy,
-- which has long asked for WHERE, GROUP BY or HAVING next to QUALIFY)
SELECT t.trade_id, q.price
FROM trades t
LEFT JOIN quotes q
  ON q.sym = t.sym AND q.ts <= t.ts
WHERE TRUE
QUALIFY ROW_NUMBER() OVER (PARTITION BY t.trade_id ORDER BY q.ts DESC) = 1;

-- LATERAL version (PostgreSQL)
SELECT t.trade_id, q.price
FROM trades t
LEFT JOIN LATERAL (
  SELECT price FROM quotes q
  WHERE q.sym = t.sym AND q.ts <= t.ts
  ORDER BY q.ts DESC
  LIMIT 1
) q ON TRUE;

Quattro errori da evitare

Altro SQL: i join SQL spiegati, le funzioni finestra spiegate e la guida rapida a SQL. Sugli strumenti: le novità di Polars 2.1 e DuckDB 2.0.

Fonti: documentazione di Snowflake su ASOF JOIN; documentazione di DuckDB, ClickHouse, pandas (merge_asof) e Polars (join_asof); note di rilascio di Apache Spark 4.3.0 (30 ottobre 2026). Esempi provati con DuckDB 2.0.0, PySpark 4.3.0, Polars 2.1.0 e pandas 3.1.0; la sintassi di Snowflake, ClickHouse, BigQuery e PostgreSQL segue la loro documentazione.

Alessandro Ecclesie AgazziScritto da Alessandro Ecclesie Agazzi, analytics engineer a Londra. Aggiornato il 9 novembre 2026. Chi sono