Hadoop 排名列

Question

因此，我正在使用这些特定的列： customer_token、merchant_id、merchant_category_code 和 transaction_amount。

我目前的查询是这样的：

SELECT customer_token, COUNT(transaction_amount), SUM(transaction_amount)
FROM transaction 
                     WHERE file_date>20121031 
                     and file_date<20121201
GROUP BY customer_token

我想在上面的查询中添加一个部分，在结果中，merchant_category_code 根据每个特定merchant_category_code 中的交易金额分为不同的列。结果如下所示：

customer_token、count(transaction_amount)、sum(transaction_amount)、count(merchant_category_code中的transaction_amount排名第1)、count(merchant_category_code中的transaction_amount排名第2)、count(merchant_category_code中的transaction_amount排名第3)等。 ..

然后是这个：

customer_token、count(transaction_amount)、sum(transaction_amount)、sum(merchant_category_code中的transaction_amount排名第1)、sum(merchant_category_code中的transaction_amount排名第2)、sum(merchant_category_code中的transaction_amount排名第3)等。 ..

但我不知道如何做到这一点，或者是否有可能。

Answer 1

如果您事先知道merchant_category_code 的可能值是什么，您可以使用CASE 表达式：

SELECT customer_token,
       COUNT(transaction_amount),
       SUM(transaction_amount),
       COUNT(CASE WHEN merchant_category_code = 1 THEN transaction_amount END),
       COUNT(CASE WHEN merchant_category_code = 2 THEN transaction_amount END),
       COUNT(CASE WHEN merchant_category_code = 3 THEN transaction_amount END),
       ...
       SUM(CASE WHEN merchant_category_code = 1 THEN transaction_amount END),
       SUM(CASE WHEN merchant_category_code = 2 THEN transaction_amount END),
       SUM(CASE WHEN merchant_category_code = 3 THEN transaction_amount END),
       ...
  FROM transaction 
 WHERE file_date BETWEEN 20121101 AND 20121130
 GROUP
    BY customer_token
;

（或IF 表达式，如果您愿意的话；有关这两个的文档，请参阅the section titled "Conditional Functions" on the page "LanguageManual+UDF" in the Hive wiki）。