scala:spark-sqlcontext查询

vd2z7a6w 于 2021-06-02 发布在 Hadoop

关注(0)|答案(2)|浏览(307)

639393604950|1001|01|2015-05-12 10:00:18|||
639393604950|1002|01|2015-05-12 10:04:18|||
639393604950|1003|01|2015-05-12 10:05:18|||
639393604950|1001|02||2015-05-12 10:40:18||
639393604950|1001|03|||2015-05-12 19:30:18|
639393604950|1002|02|2015-05-12 10:04:18|||

在sqlcontext中，如何按id合并数据？我希望这是身份证1001：

639393604950|1001|01|2015-05-12 10:00:18|2015-05-12 10:40:18|2015-05-12 19:30:18|

以下是我需要调整的查询：

val events = sqlContext.sql("SELECT id, max(date1), max(date2), max(date3) " +
  "FROM parquetFile group by id, date1, date2, date3")
events.collect().foreach(println)

sql hadoop apache-spark apache-spark-sql parquet

来源：https://stackoverflow.com/questions/30364240/scala-spark-sqlcontext-query

2条答案

按热度按时间

icnyk63a1#

SELECT id, max(date1), max(date2), max(date3) FROM parquetFile group by id

赞(0）回复(0）举报 2021-06-03

6ovsh4lw2#

数据的生成方式，看起来文件中的模式很混乱。问题是所有日期都填充在date1字段中，具有不同的事件类型。因此，我们需要修复它。

select id, ts, max(d1),max(d2),max(d3)
   from (select id, ts,
                case when eventtype='01' then date1 else null end d1,
                case when eventtype='02' then date1 else null end d2,
                case when eventtype='03' then date1 else null end d3
             from table1
         ) x group by id,ts

当然，这将id和ts分组在一起，正如答案中预期的那样。

赞(0）回复(0）举报 2021-06-02

我来回答

scala:spark-sqlcontext查询

2条答案

相关问题

热门标签

最新问答