[英]How to do Max in count(*) with Hive?
我有两个表:
飞 : 年 , 起源
机场 : 代码 , 名称
这是数据示例:
飞 :
1989,SF
1989,SF
1989,NY
1993,NY
1998,Par
1998,Par
1998,NY
空港 :
SF, International Airport
NY, Inter Air
Par, Charles de Gaulle
我想每年获得最繁忙的机场。
因此,首先我做了这个请求,以获取每年每个机场的发生次数:
SELECT v.Year,a.airport ,count(*)
From airports a JOIN Vol v ON (a.iata = v.Dest)
Group By v.Year,a.airport
ORDER BY Year ASC,airport ASC;
所以我得到这样的结果:
1989, San Francisco, 2
1989, New York, 1
1993, New York, 1
1998, new York, 1
1998, Paris, 2
我想要这样的每年最多:
1989, San Francisco, 2
1993, New York, 1
1998, Paris, 2
我可以只提出一个请求吗? 我应该使用中间表吗?
猪更好吗?
先感谢您
在Hive中,这有些棘手,但肯定是可行的。 它需要两件事:将您的第一个查询用作较大查询的子查询,以及执行“ arg-max”的小技巧。
SELECT Year, max(named_struct('n', n, 'airport', airport)) FROM (
SELECT v.Year, a.airport, count(*) as n
FROM airports a JOIN Vol v ON (a.iata = v.Dest)
GROUP BY v.Year, a.airport
) t
GROUP BY Year;
请注意,named_struct创建了一个struct字段,并且首先按第一个字段的顺序进行比较,因此您在保留机场名称的同时获得正确的“ max”行为。 但这确实意味着您的输出将采用struct的形式:
1989, {n:2, airport:San Francisco}
1993, {n:1, airport:New York}
1998, {n:2, airport:Paris}
如果要“取消构造”,只需要单独选择这些字段即可:
SELECT Year, max(named_struct('n', n, 'airport', airport)).n, max(named_struct('n', n, 'airport', airport)).airport FROM (
SELECT v.Year, a.airport, count(*) as n
FROM airports a JOIN Vol v ON (a.iata = v.Dest)
GROUP BY v.Year, a.airport
) t
GROUP BY Year;
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.