Hive 如何在蜂巢中获得最老和最新的

我有一个名为signal的表，其中包含以下列

实体id

项目编号

月号

信号计数

输入表：

| entity_id | item_id | month_id | signal_count |

     101         3        2015           2
     104         4        2017           1
     101         1        2017           1
     104         2        2016           0
     107         2        2011           1
     107         0        2011           2

我需要信号计数和项目id之和，作为基于月份id和按实体分组id的最早项目id和最新项目id

如果月份id相同，则取项目id的最小值

预期结果如下：

| entity_id | oldest_item_id | newest_month_id | signal_count |

     101             3                1               3 
     104             2                4               1
     107             0                0               3

---

使用

sum

窗口函数获取每个实体id的总和和

first\u值

根据所需的月id顺序获取最早和最新的项目id

select distinct entity_id,oldest_item_id,newest_item_id,signal_count_sum
from (select t.*
            ,sum(signal_count) over(partition by entity_id) as signal_sum
            ,first_value(item_id) over(partition by entity_id order by month_id) as oldest_item_id
            ,first_value(item_id) over(partition by entity_id order by month_id desc) as newest_item_id          
      from tbl t
     ) t

如果每个实体有多行具有相同的月份id，则要断开联系并获得最少的项目id，请使用

行

规范将

项目id

添加到

订购方

select distinct entity_id,oldest_item_id,newest_item_id,signal_count_sum
from (select t.*
            ,sum(signal_count) over(partition by entity_id) as signal_sum
            ,first_value(item_id) over(partition by entity_id order by month_id,item_id rows unbounded preceding) as oldest_item_id
            ,first_value(item_id) over(partition by entity_id order by month_id desc,item_id rows unbounded preceding) as newest_item_id          
      from tbl t
     ) t

---

请在问题中添加一些示例数据和预期结果。此外，您还需要定义逻辑以获取每个组中的第一行。您现在可以看到吗？假设月份id相同，那么如何获取项目id的最小值