0

我对如何优化 Hive 代码有疑问。我有一张巨大的桌子，如下所示：

Customer_id     Product_id     Date     Value
     1               1         02/28    100.0 
     1               2         02/02    120.0 
     1               3         02/10    144.0 
     2               2         02/15    120.0 
     2               3         02/28    144.0 
    ...             ...         ...     ...

我想创建一个复杂的网络，通过买家链接产品。该图不必定向，我必须计算它们之间的链接数。最后我需要这个：

Product_x     Product_y     amount
    1             2           1
    1             3           1
    2             3           2

谁能帮我这个？我需要一种优化的方法来做到这一点。表与自身的连接不是解决方案。我真的需要一个最佳的方法=/

CREATE TABLE X AS
SELECT 
     a.product_id as product_x,
     b.product_id as product_y,
     count(*) as amout
FROM table as a
JOIN table as b
ON a.customer_id = b.customer_id
WHERE a.product_id < b.product_id
GROUP BY product_x, product_y;
4

0 回答 0