Question

我在Hive工作。到目前为止它真的很棒，但我对查询有疑问。

我有两张名为＆＃39;标记为＆＃39;和＆＃39;数据＆＃39;并希望通过一个查询从两者中提取数据。

首先，我想从表中标出＆＃39;标记＆＃39;并计算表格中的条目数据＆＃39;在心智之间（从标记为＆＃39;获得）和当前日期之间。

因此，我希望得到一个结果，其中包含用户ID，另一个用户ID和当前日期之间另一个表的此用户ID的出现次数。我试着从小时开始接收这个查询，但是因为我知道它们不能正常工作。有人可以帮帮我吗？

非常感谢！

更新

抱歉，我昨天有点匆忙。责备我，我忘记了一些细节。

关于架构：

标记的表格只有一些列。总共8.这是该表的架构：

"name": "Datetime",
"type": "long",
"logicalType": "timestamp-millis",

"name": "Hour",
"type": "string",

"name": "UserId64",
"type": "long"

"name": "MemberId",
"type": "int"

"name": "SegmentId",
"type": "int"

"name": "IsDailyUnique",
"type": "boolean"

"name": "IsMonthlyUnique",
"type": "boolean"

"name": "Value",
"type": "int"

由于此表包含100多列，因此另一个称为数据的表的模式有点困难。为了简单起见，我只概述了重要的列：

"name": "Datetime",
"type": "long",
"logicalType": "timestamp-millis",

"name": "Hour",
"type": "string",

"name": "UserId64",
"type": "long"

"type": "enum",
"name": "EventType",
"symbols": ["IMP", "CLICK", "PC_CONV", "PV_CONV"]

因此，如果我执行如下查询，我会得到一个包含结果的列表

选择时间戳（日期时间），小时，userid64，segmentid，isdailyunique， ismonthlyunique，日期标记为userid64 = 8012570064195370898 和segmentid = 1878696由datetime desc命令;

结果表包含数据。现在我想将最早获得的日期用于我的进一步查询。

如果我们转到表数据并执行以下查询

选择时间戳（日期时间），auctionid64，小时，事件类型， mediacostdollarscpm，buyerpend，buyerbid，ecp，eap，isimp，isclick， userid64，sellerid，publisherid，siteid，sitedomain，advertiserid， advertiserfrequency，advertiserrecency，campaigngroupid，campaignid， creativeid，creativefreq，creativerec，pixelid，dealid，dealtype， custommodelid，custommodellastmodified，leafname，datetime from data 其中userid64 = 8012570064195370898和advertiserid = 327758订单 by datetime desc;

您将得到如下所示的结果

2016-08-09 19:33:45.0   5908114946988383281 17  PV_CONV
2016-08-07 19:17:13.0   5908114946988383281 17  IMP
2016-08-07 19:16:29.0   5454485145188351263 17  IMP
2016-08-07 18:52:40.0   1074433759230515153 16  IMP
2016-08-07 18:52:40.0   6991642005216308404 16  IMP
2016-08-07 18:52:13.0   5024645171257244072 16  IMP
2016-08-07 18:51:55.0   5371107932239703086 16  IMP
2016-08-07 18:51:55.0   7321752276741166764 16  IMP
2016-08-07 18:51:01.0   3459181835067844898 16  IMP
2016-08-07 18:50:42.0   6208818658549255015 16  IMP
2016-08-07 18:50:41.0   5373958128201701132 16  IMP
2016-08-07 14:34:07.0   8393280749656213703 12  IMP

此处的导入行是第二行。之后有一个名为＆＃34; PV_CONV＆＃34;。

我想要的是什么：

我想要一个查询，它会生成一个包含

用户ID
标记为
包含event_type＆＃34; IMP＆＃34;
表格数据的标记日期和最长日期之间的时差
以及表数据的其他一些列。

有没有机会在不创建额外表的情况下获得此功能？一切顺利，谢谢彼得

Answer 1

由于未提供表模式，我假设下面的表模式来回答您的问题..

表 - 标记：
UserID int, mindate date

表 - 数据：
UserID int, data_date date

将UserID视为加入表的主列，这是查询

SELECT D.UserID, M.mindate, count(D.data_date) from Marked M
join Data D on M.UserID = D.UserID 
where M.mindate <= D.data_date and D.data_date <= from_unixtime(unix_timestamp());

根据表中的'Date'数据类型，需要更改where子句。

Hive - 选择条目数量

1 个答案: