mysql - 如何在 Hive 中进行配对？

Question

1. 首先，我们通过加载以下 csv 文件创建一个 Hive 表

$cat data.csv

ID,City,Zip,Flag
1,A,95126,0
2,A,95126,1
3,A,95126,1
4,B,95124,0
5,B,95124,1
6,C,95124,0
7,C,95127,1
8,C,95127,0
9,C,95127,1

(a) 其中上面的“ID”是主键(唯一)，

(b) 对于每个“City”和“Zip”组合，max 中存在一个且 Flag=0 的 ID；而它可以包含多个 ID，每个“城市”和“邮政编码”组合的 Flag=1。

(c) 标志可以是 0 或 1

将上面的 csv 文件加载到 Hive 表

create table test(ID string, City String, Zip String, Flag int) 
ROW FORMAT DELIMITED FIELDS TERMINATED BY "," ;

LOAD DATA LOCAL INPATH "./data.csv" OVERWRITE INTO TABLE test;

对于每个 Flag=0 的 ID，我们希望将其与另一个 Flag=1 但具有相同城市 - 邮政编码的 ID 配对。如果找不到另一个具有 Flag=1 且匹配城市 - 邮政编码的配对 ID，我们只需删除该记录。

这是预期结果:

ID,City,Zip,Flag
1,A,95126,0
2,A,95126,1
4,B,95124,0
5,B,95124,1
7,C,95127,1
8,C,95127,0

关于如何在 Hive 或 Python 中进行这种配对，有什么有值(value)的技巧吗？

Answer 1

试试这个。

select t2.*
FROM
test t1 INNER JOIN test t2
ON t1.City != t2.City
AND t1.Zip != t2.Zip
AND t1.Flag != t2.Flag
AND t1.ID<t2.ID