sql - 对行进行分组，使每组的列总和不超过 10

Question

我有一个看起来像这样的表:

col1
------
2
2
3
4
5
6
7

值按升序排序。

我想将每一行分配给标签为 0,1,...,n 的组，以便每个组的总数不超过 10。所以在上面的示例中它看起来像这样:

col1 |label
------------
2   0
2   0
3   0
4   1
5   1
6   2
7   3

我试过用这个:

floor(sum(col1) OVER (partition by  ORDER BY col1 ROWS BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) /10))

但这不能正常工作，因为它正在执行操作 作为:

floor(2/10) = 0
floor([2+2]/10) = 0
floor([2+2+3]/10) = 0
floor([2+2+3+4]/10) = 1
floor([2+2+3+4+5]/10 = 1
floor([2+2+3+4+5+6]/10 = 2
floor([2+2+3+4+5+6+7]/10) = 2

直到最后一次计算都巧合正确，因为即使

[2+2+3+4+5+6+7] / 10 = 2.9

和

floor(2.9) = 2

它应该做的是实现 6+7 > 10，因此值为 7 的第 5 行需要在其自己的组中，因此迭代组号 + 1 并将该行分配到一个新组中。

我真正想让它做的是当它遇到一个总和 > 10 然后设置组号 = 组号 + 1，将 CURRENT ROW 分配到这个新组中，然后最后将新的起始行设置为 CURRENT ROW .

Answer 1

评论太长了。

解决这个问题需要逐行扫描表。在 SQL 中，这将通过递归 CTE(或分层查询)实现。 Hive 不支持这两种方式。

问题是每次定义一个组时，10 和总和之间的差值就会被“遗忘”。也就是说，当您在列表中更靠下时，较早发生的事情并不是可用数据的简单累积。您需要知道它是如何分组的。

一个相关的问题是可以解决的。相关问题会将所有行分配给大小为 10 的组，将行拆分为两个组。然后你就可以根据前面几行的累加和知道后面一行属于哪个组。