Question

我正在使用Hive 1.2.0，所以不能在over子句中使用聚合函数，如：

SELECT rank() OVER (ORDER BY sum(b))

因为它只能从hive 2.1开始。

我试图在没有此功能的情况下解决我的问题。

例如，我有一个这样的数据集，其中每一行代表从store_id中的client_id购买：

| Date       |CLIENT_ID| STORE_ID |
| 2017-01-01 |       1 |       S1 |
| 2017-01-02 |       1 |       S2 |
| 2017-01-03 |       1 |       S2 |
| 2017-01-04 |       1 |       S3 |

我想得到每个日期，每个客户的家庭商店，这是他去年购买最多的商店。如果2个商店具有相同的值，我们会采用最新的商店。

这个例子的结果是：

| Date       |CLIENT_ID| STORE_ID | HOMESTORE |
| 2017-01-01 |       1 |       S1 |        S1 | -- S1 Because there is no other store before
| 2017-01-02 |       1 |       S2 |        S2 | -- 1 purchase in S1 and S2 but S2 is the most recent
| 2017-01-03 |       1 |       S2 |        S2 | -- 2 purchases in S2
| 2017-01-04 |       1 |       S3 |        S2 | -- 2 purchases in S2 vs 1 in S3

使用over子句中的聚合函数，可以用这样的东西来解决（虽然缺少1年条款）：

SELECT 
LAST_VALUE(STORE_ID) OVER(
    PARTITION BY CLIENT_ID
    ORDER BY COUNT(STORE_ID) ASC
    RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) as homestore

你知道如何解决这个问题吗？

OVER子句中的Hive聚合函数

0 个答案: