Hive - 从组中选择至少一行包含的数据答案

【问题标题】：Hive - select data from group with at least one row containingHive - 从组中选择至少一行包含的数据
【发布时间】：2017-07-06 22:52:50
【问题描述】：

假设我在蜂巢中有一张这样的桌子：

|Id|Data |Data2 |Groupkey|
|1 |One  |      |Group1  |
|2 |Two  |Stuff |Group1  |
|3 |Shoes|Some  |Group2  |
|4 |four |Stuff |Group2  |
|5 |Three|Notme |Group3  |

对于在Data2 中包含“Stuff”的每个组，我想从除Stuff 之外的行中获取具有Groupkey 和Data 的行，并从“Stuff”行中获取Data2。

所以结果数据集看起来像

|Group |Data |Data2|
|Group1|One  |Two  |
|Group2|Shoes|four |

我希望用GROUP BY 来做点什么，我开始用了

SELECT Data, Groupkey FROM (SELECT Data, GroupKey FROM MyTable GROUP BY Groupkey) WHERE Data2 <> 'Stuff' 但这失败了，这表明我需要在分组依据中包含数据，但这不是我想要分组的依据？

而且我不确定如何只选择包含一行具有某些数据的组。

【问题讨论】：

标签： sql hive hiveql

【解决方案1】：

select      Groupkey                                            as `Group`
           ,min (case when Data2 <> 'Stuff' then Data end)      as Data
           ,min (case when Data2 =  'Stuff' then Data end)      as Data2

from        MyTable

group by    Groupkey

having      count (case when Data2 = 'Stuff' then 1 end) > 0
;

+--------+-------+-------+
| group  | data  | data2 |
+--------+-------+-------+
| Group1 | One   | Two   |
| Group2 | Shoes | four  |
+--------+-------+-------+

【讨论】：

【解决方案2】：

SELECT DISTINCT Groupkey, t1.Data, t2.Data as Data2 
FROM t t1
INNER JOIN t t2
ON t1.Groupkey = t2.Groupkey
AND t1.Data2 <> t2.Data2
WHERE t2.Data2 = 'Stuff'

【讨论】：