Hive 如何"；“过滤器”；配置单元表中的记录？

想象一下带有id、状态和修改日期的表。一个id在表中可以有多条记录。我只需要为每个具有当前状态的id以及修改的_日期（当该状态从旧状态更改为当前状态时）取出该行

id            status          modified_date,
--------------------------------------------
1               T             1-Jan,
1               T             2-Jan,
1               F             3-Jan,
1               F             4-Jan,
1               T             5-Jan,
1               T             6-Jan,
2               F             18-Feb,
2               F             20-Feb,
2               T             21-Feb,
3               F             1-Mar,
3               F             1-Mar,
3               F             2-Mar,

尽管我已经做了很多，但我无法捕捉到1月5日第二次从F到T的变化

因此，我期待结果：

id            status          modified_date,
--------------------------------------------
1               T             5-Jan,
2               T             21-Feb,
3               F             1-Mar,

使用lag（）分析函数，您可以寻址前一行以计算更改标志的状态。然后使用row_number将上次状态更改的行标记为1，并对其进行筛选。请参见代码中的注释：

with your_data as (--replace with your table
select stack(12,
1,'T','1-Jan',
1,'T','2-Jan',
1,'F','3-Jan',
1,'F','4-Jan',
1,'T','5-Jan',
1,'T','6-Jan',
2,'F','18-Feb',
2,'F','20-Feb',
2,'T','21-Feb',
3,'F','1-Mar',
3,'F','1-Mar',
3,'F','2-Mar') as (id,status,modified_date)
)
select id,status,modified_date
from
(
select id,status,modified_date,status_changed_flag,
       row_number() over(partition by id, status_changed_flag order by modified_date desc) rn  
 from 
(
select t.*, 
       --lag(status) over(partition by id order by modified_date) prev_status,
       NVL((lag(status) over(partition by id order by modified_date)!=status), true) status_changed_flag
  from your_data t
)s
)s where status_changed_flag and rn=1
order by id --remove ordering if not necessary
;

结果:

OK
id   status   modified_date
1       T       5-Jan
2       T       21-Feb
3       F       1-Mar
Time taken: 178.643 seconds, Fetched: 3 row(s)

---

嗨，朋友！使用问题按钮添加其他信息，而不是评论部分。多谢。非常好和快速的解决方案也为表与百万行。