我正在学习hive,想编写一个优化的hiveql/sql查询
我的table是这样的:
CREATE TABLE sales (dealer VARCHAR(25), make VARCHAR(25), type VARCHAR(25), day INT);
INSERT INTO sales (dealer, make, type, day) VALUES
("Xyz", "Highlander", "SUV", "0"),
("Xyz", "Prius", "HATCH", "1"),
("Xyz", "Prius", "HATCH", "2"),
("Xyz", "Prius", "HATCH", "3"),
("Xyz", "Versa", "HATCH", "1"),
("Xyz", "Versa", "HATCH", "2"),
("Xyz", "Versa", "HATCH", "3"),
("Xyz", "S3", "SEDAN", "1"),
("Xyz", "S3", "SEDAN", "2"),
("Abc", "Forrester", "SUV", "1");
给定一个“dealer”d,我想在一个查询中计算过去x天中每个“type”的前n个“make”。
SELECT dealer, make, type, COUNT(*) AS frequency FROM sales
WHERE day > 0 AND dealer LIKE 'Xyz' GROUP BY make, type
ORDER BY frequency DESC LIMIT 5
问题是,当使用group by on“make”和“type”作为top 1时,我只会得到:
DEALER, MAKE, TYPE, COUNT
Xyz, Prius, Hatch, 3
Xyz, Versa, Hatch, 3
Xyz, S3, Sedan, 2
...
但我想
Xyz, Prius, Hatch, 3
Xyz, S3, Sedan, 2
...
对于每个“类型”,前n。
有人能帮我理解如何写这样一个查询吗?
sql函数iddlehttp://sqlfiddle.com/#!2/df9304/5号
更新
似乎rank()会有用:
通过查询获取组中前n个记录的配置单元
https://blogs.oracle.com/taylor22/entry/hive_0_11_may_15
hiveql和rank()
1条答案
按热度按时间shyt4zoc1#
在阅读了更多的文档和链接问题的提示之后:
内部查询执行计数,中间查询执行rank(),外部查询限制rank。
销售表目录
现在是实际的查询。