有条件地在其他列上从配置单元表中获取最新列值

Question

我有一个 Hive 表“订单”，其中包含四列（id 字符串、名称字符串、订单字符串、ts 字符串）。表格样本数据如下。

-------------------------------------------
id  name    order               ts
------------------------------------------- 
1   abc     completed       2018-04-12 08:15:26     
2   def     received        2018-04-15 06:20:17
3   ghi     processed       2018-04-16 11:36:56
4   jkl     received        2018-04-05 12:23:34
3   ghi     received        2018-03-23 16:43:46
1   abc     processed       2018-03-17 18:39:22
1   abc     received        2018-02-25 20:07:56

订单列具有三种状态：已收到 -> 已处理 -> 已完成。一个名称有许多订单，每个订单都有这三个阶段。我需要给定“id”和“name”的最新订单值。这对您来说似乎是一个新手问题，但我对此感到困惑。

我尝试编写如下查询，但它们不起作用，我无法直接在“ts”列上使用 max 函数，因为它是字符串格式。请教一个最好的方法。 提前致谢。

我尝试过的查询

SELECT
ORDER
FROM Orders
WHERE id = '1'
    AND name = 'ghi'
    AND ts = (
        SELECT max(unix_timestamp(ts, 'yyyy-MM-dd HH:mm:SS'))
        FROM Orders
        )

编译语句时出错：FAILED: ParseException line 2:0 cannot identify input near 'select' 'max' '(' in expression specification

SELECT
ORDER
FROM Orders
WHERE id = '1'
    AND name = 'ghi'
    AND max(unix_timestamp(ts, 'yyyy-MM-dd HH:mm:SS'))

编译语句时出错：FAILED: SemanticException [Error 10128]: Line 1:93 Not yet supported place for UDAF 'max'

select o.order  from Orders o
inner join ( 
    select id, name, order, max(ts) as ts
    from Orders
    group by id, name, order
) ord on d.id = ord.id and o.name = ord.name and o.ts = ord.ts where o.id = '1' and o.name = 'abc'

此查询已执行，但输出不是单个最新订单阶段，而是每个订单阶段都有相应的最新时间戳。

请帮忙。

Answer 1

对于给定的订单，您需要一行。因此，您可以使用order by 和limit：

SELECT o.*
FROM Orders o
WHERE id = 1 AND  -- presumably id is a number
     name = 'ghi'
ORDER BY ts DESC
LIMIT 1;

这也应该有最好的性能。

Answer 2

您可以使用 RANK 分析功能来解决您的问题，如下所示：

select id,name,order,ts
from (select id,name,order,ts,rank() over(partition by id,name order by ts) r from orders)k
where r = 1
and id = '1'
and name = 'ghi'

如果您想获取所有 ID 和名称的最新记录，则无需传递“ID”和“NAME”的值，您将轻松获得所需的结果。

一切顺利！！！