Question

我正在尝试加入两个表

ON scores.updated_at_yyyy_mm = distributions.range_yyyy_mm

当然有效，但也可以根据＆＃39; count＆＃39;来限制分数表中返回的行数。在发行表中给出，遗憾的是我无法开始工作。我尝试了子查询，SELECT * FROM（SELECT） - 和 - JOIN（SELECT ...）。理想情况下，我还可以随机抽取一些分数 - TABLESAMPLE（ROWS）来救援？

我已经看到了很多针对MS SQL和Oracle的解决方案，但是找不到Hive的任何东西（也许Hive 0.13可以做到这一点 - 但我还没有弄清楚如何升级底层Shark的Hive）。 / p>

在Hive（和Shark）中是否有可能这样的事情，或者我是否以完全错误的方式解决这个问题？非常感谢你的帮助!!

btw - 我在Apache Shark 0.9.1上，并按照指示在本地运行Shark（即不在Hadoop / Hive集群中）。我的表格如下

scores:                                       distributions:
user_id | updated_at_yyyy_mm | score |        range_yyyy_mm | count |
---------------------------------------       -----------------------
000001  | 2014-01            | 100   |          2014-01     |   2   |
000001  | 2014-02            | 103   |          2014-02     |   1   |
000001  | 2014-03            | 106   |          2014-03     |   3   |
000001  | 2014-04            | 102   |          2014-04     |   1   |
 ...    |   ...              | ...   |
000002  | 2014-01            | 107   |
000002  | 2014-02            | 104   |
000002  | 2014-03            | 105   |
000002  | 2014-04            | 105   |
 ...    |   ...              | ...   |
000003  | 2014-01            | 109   |
000003  | 2014-02            | 111   |
000003  | 2014-03            | 113   |
000003  | 2014-04            | 102   |
 ...    |   ...              | ...   |

这就是我想要的：

profiles:
user_id | updated_at_yyyy_mm | score |
--------------------------------------
000002  | 2014-01            | 107   |
000003  | 2014-01            | 109   |

000002  | 2014-02            | 104   |

000001  | 2014-03            | 106   |
000002  | 2014-03            | 105   |
000003  | 2014-03            | 113   |

000001  | 2014-04            | 102   |

Answer 1

在子查询中包装分配表，计算count或row_number，与分数连接并将row_number计算为rn（由updated_at_yyyy_mm分配），然后在上子查询过滤器结果行中：其中rn＆lt; = scores.cnt。

限制JOIN中的数字或行数

1 个答案: