如何检索 Hive 中的特定行？

Question

我的数据集如下所示：

---------------------------
 cust | cost | cat   | name
---------------------------
  1   |  2.5 | apple | pkLady
---------------------------
  1   |  3.5 | apple | greenGr
---------------------------
  1   |  1.2 | pear  | yelloPear
----------------------------
  1   |  4.5 | pear  |  greenPear
-------------------------------

我的配置单元查询现在应该比较客户购买的每件商品的最低价格。所以我现在想把 2.5 和 1.2 排成一排，看看它们的区别。由于我是 Hive 的新手，我现在不知道如何忽略其他所有内容，直到我到达下一个类别的项目，同时我仍然保持上一个类别中的最便宜价格。

Answer 1

您可以创建一个包含每个客户的最低成本的子查询，然后将其加入到原始 table:

select
    mytable.*,
    minCost.minCost,
    cost - minCost as costDifference
from mytable
inner join
    (select
       cust,
       min(cost) as minCost
    from mytable
    group by cust) minCost
on mytable.cust = minCost.cust

我使用 MySQL 创建了一个 interactive SQLFiddle example，但它在 Hive 中应该可以正常工作。

Answer 2

我认为这确实是一个 SQL 问题，而不是 Hive 问题：如果您只想让每个客户的成本最低，您可以这样做

select cust, min(cost)
group by cust

否则，如果您希望每个类别的每个客户成本最低，您可以这样做：

select cust, cat, min(cost)
from yourtable
groupby cust, cat

Answer 3

您可以像下面这样使用：

select cat,min(cost) from table group by cost;

Answer 4

考虑到您在 Hive 中的选择（brickhouse UDFs, hive windowing functions 或自连接），自连接是最差的方法。

select *
  , (cost - min(cost) over (partition by cust)) cost_diff
from table

如何检索 Hive 中的特定行？

how do retrieve specific row in Hive?

hadoop

hive

hiveql