[英]Selecting rows with maximum value, combining WHERE. MAX, and CAST, in spark.sql
我在 Spark 中有一个表,其中包含一个字符串类型的date_string
列。
我希望选择与最近日期相对应的行。 我认为可以在一个命令中实现这一点,将字符串列转换为数字,并选择与最大日期相对应的行。
我试过
SELECT
*,
CAST(date_string AS INT) AS date
FROM
data.some_table
WHERE
date = MAX(date)
但这给了我一个错误
Error in SQL statement: AnalysisException: cannot resolve '`date`' given input columns
所以我试过了
SELECT
*,
CAST(date_string AS INT) AS date
FROM
data.some_table
WHERE
date = (SELECT MAX(date_string) FROM data.some_table)
这给了我同样的错误信息。
和
SELECT
*
FROM
(SELECT *, CAST(date_string AS INT) AS date
FROM data.some_table)
WHERE
date = MAX(date)
给我
Error in SQL statement: UnsupportedOperationException: Cannot evaluate expression: max(cast(input[71, string, false] as int))
和
SELECT
*,
CAST(date_string AS INT) AS date
FROM
data.some_table
WHERE
CAST(date_string AS INT) = MAX(CAST(date_string AS INT))
给我与上一个命令相同的错误消息。
我是 Spark 和 SQL 的新手,所以我完全迷失在这里。 实现我想要的正确命令是什么?
你似乎已经很接近了。 但是,您不能在WHERE
子句中使用在FROM
子句中计算的列(它在SELECT
子句之前计算)。
这应该有效:
SELECT
*,
CAST(date_string AS INT) AS date
FROM
data.some_table
WHERE
date_string = (SELECT MAX(date_string) FROM data.some_table)
或者,如果你需要cast
比较之前,则:
SELECT
*,
CAST(date_string AS INT) AS date
FROM
data.some_table
WHERE
CAST(date_string AS INT) = (SELECT MAX(CAST(date_string AS INT)) FROM data.some_table)
请注意,这假设您确实希望允许联系。 否则,您可以将查询简化为使用限制子句:
SELECT
*,
CAST(date_string AS INT) AS date
FROM
data.some_table
ORDER BY
date_string
LIMIT 1
您不需要将日期字符串转换为数字。 所以这应该做你想做的:
SELECT t.*
FROM data.some_table
ORDER BY date_string DESC
LIMIT 1;
这假设date_string
具有合理的格式,例如 YYYY-MM-DD。
其次,这只返回一行。 如果您可以有重复项,那么一种方法是:
SELECT t.*
FROM data.some_table t
WHERE t.date_string = (SELECT MAX(t2.date_string)
FROM data.some_table t2
);
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.