在 where 子句中使用子查询 select 来自 table 的第二高日期

Question

我需要做（伪代码）

where yyyy_mm_dd >= '2019-02-01' 
and yyyy_mm_dd <= second highest date in a table

为此，我使用了以下代码：

where
    p.yyyy_mm_dd >= "2019-02-02"
    and p.yyyy_mm_dd <= (select max(yyyy_mm_dd) from schema.table1 where yyyy_mm_dd < (select max(yyyy_mm_dd) from schema.table1 where yyyy_mm_dd is not null))

以上内容在 spark.sql() 中时有效，但是当我运行没有 Spark 的查询时，即作为原始 HQL，我运行进入此错误：

Error while compiling statement: FAILED: ParseException line 102:25 cannot recognize input near 'select' 'max' '(' in expression specification

我试图通过为子查询中的所有列添加别名来修复它，如下所示：

where
    p.yyyy_mm_dd >= "2019-02-02"
    and p.yyyy_mm_dd <= (select max(t1.yyyy_mm_dd) from schema.table1 t1 where t1.yyyy_mm_dd < (select max(t2.yyyy_mm_dd) from schema.table2 t2 where t2.yyyy_mm_dd is not null))

尽管如此，我还是运行陷入同样的错误。

编辑以包含示例数据和查询：

table1:

| yyyy_mm_dd | company_id | account_manager |
|------------|------------|-----------------|
| 2020-11-10 | 321        | Peter           |
| 2020-11-09 | 632        | John            |
| 2020-11-08 | 598        | Doe             |
| 2020-11-07 | 104        | Bob             |
| ...        | ...        | ...             |
| ...        | ...        | ...             |

table2:

| yyyy_mm_dd        | company_id | tier   |
|-------------------|------------|--------|
| 2020-11-10        | 321        | Bronze |
| 2020-11-09        | 632        | Silver |
| 2020-11-08        | 598        | Gold   |
| 2020-11-07        | 104        | Bob    |
| ...               | ...        | ...    |
| ...               | ...        | ...    |
| 2019_12_13_backup | 321        | Bronze |
| 2019_12_13_backup | 632        | Silver |
| ...               |            |        |

查询：

select
    p.yyyy_mm_dd,
    p.company_id,
    p.account_manager,
 t.tier
from
    table1 p
left join(
    select
        yyyy_mm_dd,
        company_id,
        max(tier) as tier
    from 
        table2
    where
        yyyy_mm_dd >= "2019-02-02"
    group by
        1,2
) t on (t.company_id = p.company_id and t.yyyy_mm_dd = p.yyyy_mm_dd)

where
    p.yyyy_mm_dd >= "2019-02-02"
    and p.yyyy_mm_dd <= (select max(yyyy_mm_dd) from table2 where yyyy_mm_dd < (select max(yyyy_mm_dd) from table2 where yyyy_mm_dd is not null))

由于 table2 在 yyyy_mm_dd 列中包含 backup_2019_12_31，因此在 table 上执行 max() 时将返回这些行。所以我需要获得第二高的值，从此处的数据集中将是 2020-11-10。每个 yyyy_mm_dd.

有多个 company_ids

本质上，我想查询 table1，其中 yyyy_mm_dd 介于 table1 起点（硬编码为 2019-02-02）和 [=19 的真实最大日期之间=]

Answer 1

要从 table3 中获取第二高的日期，您可以使用 dense_rank。具有第二高日期的所有行都将被分配 rn=2。使用 LIMIT 获取单行或使用 max() 或相同的不同聚合，然后将 table 与 max_date 和过滤器交叉连接。

with max_date as(
select yyyy_mm_dd
from
(
select yyyy_mm_dd, 
       dense_rank() over(order by yyyy_mm_dd desc) rn
 from table2
)s 
where rn=2 --second max date
limit 1    --need only one record
)

select t1.*   
   from table1 t1
        cross join max_date t2
 where t1.yyyy_mm_dd <= t2.yyyy_mm_dd

在 where 子句中使用子查询 select 来自 table 的第二高日期

Using a subquery in the where clause to select 2nd highest date from a table

sql

hive

hiveql

top-n