在Impala

Question

我有一张这样的表

 col
-----
 A,B

col可以是逗号或数组的字符串。我对存储有灵活性。

如何检查col是另一个字符串或数组变量的子集？例如：

B,A - ＆gt; TRUE（顺序无关紧要）

A,D,B - ＆gt; TRUE（中间的其他项目）

A,D,C - ＆gt; FALSE（缺少B）

我对这种类型有灵活性。变量是我无法存储在表格中的东西。

如果您对Impala有任何建议（没有Hive），请告诉我。

由于

Answer 1

一个不太漂亮的方法，但也许是一个起点...

假设一个表具有唯一标识符列id和array<string>列col，以及一个字符串变量','作为分隔符（并且没有出现）转义'\,'） ...

SELECT
  yourTable.id
FROM
  yourTable,
  yourTable.col
GROUP BY
  yourTable.id
HAVING
  COUNT(DISTINCT CASE WHEN find_in_set(col.item, ${VAR:yourString}) > 0 THEN col.item END)
  =
  LENGTH(regexp_replace(${VAR:yourString},'[^,]',''))+1

基本上...

• 展开表格中的数组，每个数组项目一行。
• 检查字符串中是否存在每个项目。
• 重新聚合以计算字符串中找到的项目数。
• 检查找到的项目数是否与字符串
中的项目数相同

COUNT(DISTINCT <CASE>)可以应对{'a', 'a', 'b', 'b'}等数组。

不将字符串扩展为数组或表（我不知道该怎么做），你依赖于字符串中唯一的项目。 （因为我只是在字符串中计算逗号以找出有多少项...）