Hadoop 如何检索配置单元中的特定行？

我的数据集如下所示：

---------------------------
 cust | cost | cat   | name
---------------------------
  1   |  2.5 | apple | pkLady
---------------------------
  1   |  3.5 | apple | greenGr
---------------------------
  1   |  1.2 | pear  | yelloPear
----------------------------
  1   |  4.5 | pear  |  greenPear
-------------------------------

---

我的配置单元查询现在应该比较客户购买的每件商品的最便宜价格。现在我想把2.5和1.2放在一行，得到它的差异。由于我是新来的蜂巢，我现在不知道如何忽略一切，直到我到达下一个类别的项目，而我仍然保持最便宜的价格在前一个类别

您可以创建包含每个客户最低成本的子查询，然后将其连接到原始表：

select
    mytable.*,
    minCost.minCost,
    cost - minCost as costDifference
from mytable
inner join
    (select
       cust,
       min(cost) as minCost
    from mytable
    group by cust) minCost
on mytable.cust = minCost.cust

---

我使用MySQL创建了一个数据库，但它在Hive中应该可以正常工作。

您可以创建一个包含每个客户最低成本的子查询，然后将其连接到原始表：

select
    mytable.*,
    minCost.minCost,
    cost - minCost as costDifference
from mytable
inner join
    (select
       cust,
       min(cost) as minCost
    from mytable
    group by cust) minCost
on mytable.cust = minCost.cust

---

我使用MySQL创建了一个应用程序，但它在Hive中应该可以正常工作。

我认为这实际上是一个SQL问题，而不是Hive问题：如果您只希望每个客户的成本最低，那么您可以这样做

select cust, min(cost)
group by cust

否则，如果您希望每类客户的成本最低，您可以：

select cust, cat, min(cost)
from yourtable
groupby cust, cat

---

我认为这实际上是一个SQL问题，而不是一个蜂巢问题：如果您只希望每个客户的成本最低，那么您可以这样做

select cust, min(cost)
group by cust

否则，如果您希望每类客户的成本最低，您可以：

select cust, cat, min(cost)
from yourtable
groupby cust, cat

---

您可以像下面这样使用：

select cat,min(cost) from table group by cost; 

---

您可以像下面这样使用：

select cat,min(cost) from table group by cost; 

考虑到您在配置单元中的选项（或自连接），自连接是最糟糕的方法

select *
  , (cost - min(cost) over (partition by cust)) cost_diff
from table

考虑到您在配置单元中的选项（或自连接），自连接是最糟糕的方法

select *
  , (cost - min(cost) over (partition by cust)) cost_diff
from table

---

您能否提供一个预期产出的例子，具体来说，您所说的“如何在我到达下一类商品之前忽略所有其他商品，而我仍然保持前一类商品中最便宜的价格”是什么意思？在我阅读第一行并记住2.5之后，我想遍历这些行，直到我找到下一个类别pear（本例中为pear）并比较价格，然后从pear中记住1.2，然后再次遍历，直到我找到下一个项目并执行相同的操作。因此，您想为每个客户添加

min（成本）

列吗？

cat

列不相关，对吗？公认的答案在技术上是正确的，但在给定的备选方案中效率很低。您能否提供一个预期产出的示例，具体来说，您所说的“如何在我到达下一类商品之前忽略所有其他内容，而我仍然保持前一类商品中最便宜的价格”是什么意思？在我阅读第一行并记住2.5之后，我想遍历这些行，直到我找到下一个类别pear（本例中为pear）并比较价格，然后从pear中记住1.2，然后再次遍历，直到我找到下一个项目并执行相同的操作。因此，您想为每个客户添加

min（成本）

列吗？

cat

列不相关，对吗？公认的答案在技术上是正确的，但在给定的备选方案中效率极低。这需要2个MR作业。这需要2个MR作业。