0

我正在使用 Hive 1.2.0，因此不能在 over 子句中使用聚合函数，例如：

SELECT rank() OVER (ORDER BY sum(b))

因为它仅在 hive 2.1 开始可用。

我被困在没有这个功能的情况下试图解决我的问题。

例如，我有一个这样的数据集，其中每一行代表从 store_id 中的 client_id 购买：

| Date       |CLIENT_ID| STORE_ID |
| 2017-01-01 |       1 |       S1 |
| 2017-01-02 |       1 |       S2 |
| 2017-01-03 |       1 |       S2 |
| 2017-01-04 |       1 |       S3 |

我想获取每个日期，每个客户的 homestore，这是他在过去一年中购买最多的商店。如果 2 个商店有相同的值，我们取最近的。

这个例子的结果是：

| Date       |CLIENT_ID| STORE_ID | HOMESTORE |
| 2017-01-01 |       1 |       S1 |        S1 | -- S1 Because there is no other store before
| 2017-01-02 |       1 |       S2 |        S2 | -- 1 purchase in S1 and S2 but S2 is the most recent
| 2017-01-03 |       1 |       S2 |        S2 | -- 2 purchases in S2
| 2017-01-04 |       1 |       S3 |        S2 | -- 2 purchases in S2 vs 1 in S3

使用 over 子句中的聚合函数，可以通过以下方式解决（尽管仍然缺少 1 年子句）：

SELECT 
LAST_VALUE(STORE_ID) OVER(
    PARTITION BY CLIENT_ID
    ORDER BY COUNT(STORE_ID) ASC
    RANGE BETWEEN UNBOUNDED PRECEDING AND CURRENT ROW) as homestore

你知道如何解决这个问题吗？

4

0 回答 0