民间,
我们对Hadoop Hive有一个要求。
基本上我们有以下格式的数据。
客户名称,产品名称,价格
Test,prod1,10
Test,prod2,30
Test,prod3,20
Test1,prod1,20
Test1,prod2,30
Test1,prod2,30
Test2,prod1,50
Test2,prod2,40
Test2,prod2,10
我们需要从上面找到前2位客户[条件(他们产品总和的价格落在前2位]
例如在上面的示例中,我们需要记录Test1 sum(price)= 20 + 30 + 30 = 80
Test2总和(价格)= 50 + 40 + 10 = 100
测试客户不符合条件,因为总价为60。
基本上是前2位客户的客户及其产品列表(如果总和(价格)更高,则表明他们符合条件)
预期的输出。 (测试客户的记录不应出现)
Test1,prod1,20
Test1,prod2,30
Test1,prod2,30
Test2,prod1,50
Test2,prod2,40
Test2,prod2,10
如何为此编写HIVE查询。
最佳答案
我不确定您拥有的配置单元版本,但是我假设我们不能使用IN()
您将需要创建一个临时表来容纳匹配的客户。
CREATE TABLE tempp
AS SELECT customer, sum(price) as v
FROM mytable group by customer ORDER BY v DESC LIMIT 2;
该临时表将包含以下行:
Test2 100.0
Test1 80.0
然后做一个左半连接以获得匹配
SELECT a.* FROM mytable a LEFT SEMI JOIN tempp t ON (a.customer = t.customer)
根据表的输出:
Test1 prod1 20
Test1 prod2 30
Test1 prod2 30
Test2 prod1 50
Test2 prod2 40
Test2 prod2 10
关于hadoop - Hadoop Hive按类别分组,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/23277622/