使用 hive 识别列中是否重复相同的值

Question

我有一个配置单元表，其中有一个名为 DATALIST 的列。它可以有以下值

XYZ_OLD
XYZ_NEW
ABC_OLD
EFG_OLD
EFG_NEW
PQR_NEW

我需要创建一个输出来识别列中没有 _NEW 和 _OLD 的所有名称。在这些 scnarios 中，它应该输出以下内容

Value  Reason
ABC    Missing NEW
PQR    Missing OLD
XYZ    Contains Both NEW and OLD
EFG    Contains both NEW and OLD

非常感谢任何有关 SQL/HIVEQL 逻辑的建议/帮助。

Answer 1

我认为你可以做到：

select split(datalist, '_')[1],
       (case when sum(case when datalist like '%NEW' then 1 else 0 end) > 0 and
                  sum(case when datalist like '%OLD' then 1 else 0 end) > 0
             then 'BOTH'
             when sum(case when datalist like '%NEW' then 1 else 0 end) > 0 
             then 'NEW ONLY'
             else 'OLD ONLY'
         end)

from t
group by split(datalist, '_')[1];