Question

我想使用Impala加入HDFS中的两个表。一个是Employee_Logs，另一个是HR_Data。

查询：

select e.employee_id, e.action from Employee_Logs e where e.employment_status_desc = 'Active'
select h.employee_id, h.name from HR_Data h

Employee_Logs：

employee_id  action
2325255b     login     
51666164     login
51666164v    login
r1211        logoff
r18552421    login

HR_Data：

employee_id  name
2325255      Rob    
51666164     Tom
r1211        Tammy
r18552421    Ron

我想加入他们，以便数据看起来像这样：

employee_id  action  name
2325255b     login   Rob  
51666164     login   Tom
51666164v    login   Tom
r1211        logoff  Tammy
r18552421    login   Ron

如果employee_id字段在两个表上都匹配，那么我可以进行轻松连接，但是同一用户的雇员id后可以有“ b”或“ v”，以指定该帐户是否像管理员帐户一样被提升。某些用户帐户的ID前面带有“ r”，但两个表均是如此。

有没有一种方法可以执行一些操作，并在Employee_Logs表中创建一个新字段，例如从员工ID的末尾去除“ v”和“ b”，然后加入，或者有更好的方法？

Answer 1

最安全的方法可能是多个left连接：

select el.*,
       coalesce(h.name, hv.name, hb.name) as name
from employee_logs el left join
     hr_data h
     on el.employee_id = h.employee_id left join
     hr_data hv
     on el.employee_id = concat(h.employee_id, 'v') left join
     hr_data hb
     on el.employee_id = concat(h.employee_id, 'b');

Answer 2

   Select employee_id,action,h1.name from Employee_Logs 
   where RTRIM(employee_id,'b','v'),name IN (Select employee_id,name 
   from HR_DATA as h1);

您可以使用上面的子查询，因为您拥有Employee_logs本身所需的大多数记录，并引用了公共ID来获取每个记录的名称。或者在这种情况下最好使用左联接，这意味着将为两个表提供共同的数据，并保持左表的数据为多数

Answer 3

在regexp_replace条件下使用join，在该条件下，您将字符串末尾的b或v替换为空字符串以匹配员工ID。

select el.employee_id,el.action,hr.name
from employee_logs el
join hr_data hr on hr.employee_id = regexp_replace(el.employee_id,'[bv]$','')

使用Impala

3 个答案: