合并两个查询，其中一个使用GROUP BY

Question

我有两张桌子。 TABLE1具有以下列：

pers_key
cost
visit

TABLE2具有以下列：

pers_key
months

首先，我创建一个临时表：

CREATE TABLE temp_table as
SELECT pers_key,SUM(cost) AS sum_cost, COUNT(DISTINCT visit) AS visit_count
FROM TABLE1
GROUP BY pers_key;

然后，我创建TABLE3：

CREATE TABLE TABLE3 as
SELECT A.pers_key,
B.sum_cost/A.months AS ind1,
B.visit_count/A.months AS ind2
FROM TABLE2 AS A, temp_table AS B
WHERE A.pers_key = B.pers_key

我想知道是否有更好的方法在这里达到相同的结果。 是否可以在一个查询中完全不创建temp_table来执行此操作？ 也许像这样：

CREATE TABLE TABLE3 as
SELECT A.pers_key,
(SUM(B.cost)over (partition by B.pers_key))/A.months AS ind1,
(COUNT(B.visit)over (partition by B.pers_key))/A.months AS ind2
FROM TABLE2 AS A, TABLE1 AS B
WHERE A.pers_key = B.pers_key

还是需要临时表才能获得所需的结果集？

Answer 1

仅使用子查询怎么样？

SELECT A.pers_key,
       B.sum_cost / A.months AS ind1,
       B.visit_count / A.months AS ind2
FROM TABLE2 A JOIN
     (SELECT pers_key, SUM(cost) AS sum_cost,
             COUNT(DISTINCT visit) AS visit_count
      FROM TABLE1
      GROUP BY pers_key
     ) B
     ON A.pers_key = B.pers_key;

编辑：

您的问题有点复杂。 这绝对是一种合理的方法。 将子查询放在表中并在表上为联接建立索引可能会更快。 但是，红色标记是count(distinct) 。 以我在Hive中的经验，以下内容比上面的子查询要快：

     (SELECT pers_key, SUM(sum_cost) AS sum_cost,
             COUNT(visit) AS visit_count
      FROM (SELECT pers_key, visit, SUM(cost) as sum_cost
            FROM TABLE1
            GROUP BY pers_key, visit
           ) t
      GROUP BY pers_key
     ) B

（对我而言）此版本更快是有点违反直觉的。 但是，什么情况是，该group by是，蜂巢容易并行化group by秒。 另一方面， count(distinct)是串行处理的。 有时这会发生在其他数据库中（我在Postgres中看到了具有count(distinct)类似行为。还有一个警告：我没有在发现它的地方安装Hive系统，因此可能是某种配置问题。