我有两个表:
飞行:年份,产地
机场:代码,名称
这是一个数据样本:
飞:
1989,SF
1989,SF
1989,NY
1993,NY
1998,Par
1998,Par
1998,NY
机场:
SF, International Airport
NY, Inter Air
Par, Charles de Gaulle
我想获得每年使用最多的机场。
所以首先我做了这个请求来获取每个机场每年出现的次数:
SELECT v.Year,a.airport ,count(*)
From airports a JOIN Vol v ON (a.iata = v.Dest)
Group By v.Year,a.airport
ORDER BY Year ASC,airport ASC;
所以我得到了这样的结果:
1989, San Francisco, 2
1989, New York, 1
1993, New York, 1
1998, new York, 1
1998, Paris, 2
我想要这样的每年最大值:
1989, San Francisco, 2
1993, New York, 1
1998, Paris, 2
我可以通过一个请求完成吗? 我应该使用中间表吗?
Pig 更好吗?
提前致谢
最佳答案
这在 Hive 中有点棘手,但肯定可行。它需要两件事:将您的第一个查询用作更大查询的子查询,以及执行“arg-max”的小技巧。
SELECT Year, max(named_struct('n', n, 'airport', airport)) FROM (
SELECT v.Year, a.airport, count(*) as n
FROM airports a JOIN Vol v ON (a.iata = v.Dest)
GROUP BY v.Year, a.airport
) t
GROUP BY Year;
请注意,named_struct 创建了一个结构字段,并且这些字段首先按照其第一个字段的顺序进行比较,因此您可以获得正确的“最大”行为,同时仍然保留机场名称。不过,这确实意味着您的输出将采用结构形式:
1989, {n:2, airport:San Francisco}
1993, {n:1, airport:New York}
1998, {n:2, airport:Paris}
如果你想“取消结构化”它,你只需要单独选择那些字段:
SELECT Year, max(named_struct('n', n, 'airport', airport)).n, max(named_struct('n', n, 'airport', airport)).airport FROM (
SELECT v.Year, a.airport, count(*) as n
FROM airports a JOIN Vol v ON (a.iata = v.Dest)
GROUP BY v.Year, a.airport
) t
GROUP BY Year;
关于sql - 如何用 Hive 做 Max in count(*)?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/23893593/