sql - hive 中的分组/窗口化

Question

在下图中，第一个是有问题的表(提供的脚本)，第二个是预期的输出。
在C列中，我们有不同的项目，例如T1，T2，T3，这些记录将按组显示，T1记录然后是T2或T3。两者之间不应有任何间隙，T1将开始和结束，然后只有T2项可以出现。但是如果T1在其他项目之后重新出现，我想换个 Angular 考虑。在 hive / Spark 中获得结果的选项有哪些？

我尝试在一列中使用等级，然后在其他列中使用下一个值，并尝试进行一些比较，但这没有帮助。

任何指针，请

CREATE TABLE TEST_A (A STRING, B STRING, C STRING);

INSERT INTO TEST_A (A, B, C) VALUES ('a','1-Jan','T1'), ('a','2-Jan','T1'),('a','3-Jan','T2'),('a','4-Jan','T3') ,('a','5-Jan','T1'),('a','6-Jan','T1')

Answer 1

这是一个空白问题。我将建议将相邻行的每个“岛”放入单独的行中。

一种方法(在这种情况下有效)是使用行号的不同之处:

select a, c, min(b), max(b)
from (select t.*,
             row_number() over (partition by a order by b) as seqnum,
             row_number() over (partition by a, c order by b) as seqnum_2
      from t
     ) t
group by a, c, (seqnum - seqnum_2);

如果需要，可以将其分为多个列。但是，我认为这只会使问题感到困惑，因为您可能不知道给定的a / c组合有多少个组。