如何在配置单元/SQL中的where/having子句（避免子查询）中使用min（）

我有一大堆活动。对于每个用户，我希望统计在最早的类型B事件之前发生的类型A事件

我在寻找一个优雅的问题。使用了配置单元，因此无法执行子查询

Timestamp Type User 
...        A    X
...        A    X
...        B    X
...        A    X
...        A    X

...        A    Y
...        A    Y
...        A    Y
...        B    Y
...        A    Y

通缉结果：

User Count_Type_A 
X    2
Y    3

我无法通过执行以下操作获得“截止”时间戳：

Select User, min(Timestamp) 
Where Type=B 
Group BY User;

但是，我如何在下一个查询中使用这些信息，我想执行以下操作：

SELECT User, count(Timestamp) 
WHERE Type=A AND Timestamp<min(User.Timestamp_Type_B) 
GROUP BY User;

选择用户、计数（时间戳）
其中Type=A和Timestamp第一次更新：

为了回应Cilvic对这个答案的第一个评论，我根据在上找到的评论中建议的解决方法，将我的查询调整为以下内容：

选择[User]，计数（[Timestamp]）为[Before_First_B_COUNT]
从[Dataset]主数据集
交叉连接（从[Dataset]中选择[User]，min（[Timestamp]）[First\u B\u TS]
其中[Type]=“B”
分组依据[用户]）子
其中main.[Type]=“A”
和（sub.[User]=main.[User]）
和（main.[Timestamp]

原件：

试一试：

SELECT [User], COUNT([Timestamp]) AS [Before_First_B_Count]
FROM [Dataset] main
JOIN (SELECT [User], min([Timestamp]) [First_B_TS] FROM [Dataset]
    WHERE [Type] = 'B'
    GROUP BY [User]) sub 
        ON (sub.[User] = main.[User]) AND (main.[Timestamp] < sub.[First_B_TS])
WHERE main.[Type] = 'A'
GROUP BY main.[User]

选择[User]，计数（[Timestamp]）为[Before_First_B_COUNT]
从[Dataset]主数据集
加入（从[Dataset]中选择[User]，min（[Timestamp]）[First_B__TS]
其中[Type]=“B”
分组依据[用户]）子
在（sub.[User]=main.[User]）和（main.[Timestamp]

我尽了最大的努力遵循蜂巢语法。如果你有任何问题，请告诉我。我想知道您为什么希望/需要避免子查询。
通常，I+1 coge.soft的解决方案。这里再次供您参考：

SELECT [User], COUNT([Timestamp]) AS [Before_First_B_Count]
FROM [Dataset] main
JOIN (SELECT [User], min([Timestamp]) [First_B_TS] FROM [Dataset]
    WHERE [Type] = 'B'
    GROUP BY [User]) sub 
        ON (sub.[User] = main.[User]) AND (main.[Timestamp] < sub.[First_B_TS])
WHERE main.[Type] = 'A'
GROUP BY main.[User]

选择[User]，计数（[Timestamp]）为[Before_First_B_COUNT]
从[Dataset]主数据集
加入（从[Dataset]中选择[User]，min（[Timestamp]）[First_B__TS]
其中[Type]=“B”
分组依据[用户]）子
在（sub.[User]=main.[User]）和（main.[Timestamp]

但是，有几件事需要注意：

没有B事件时会发生什么？假设您希望计算每个用户的所有A事件，在这种情况下，解决方案中指定的内部联接将不起作用，因为子表中没有该用户的条目。为此，您需要更改为左外部联接

该解决方案还对数据进行2次传递—一次用于填充子表，另一次用于将子表与主表连接起来。根据您对性能和效率的看法，有一种替代方法，您可以通过一次数据传递来实现这一点。您可以使用配置单元的功能按用户分发数据，并编写一个自定义减速机，该减速机将使用您最喜欢的语言进行计数计算

@Cilvic，以上第二点是你为什么试图避免子查询（根据你问题的标题）？@coge.soft我不确定我是否明白你的意思。我认为你提出的解决方案有效。但同时它也很难理解/阅读。我希望找到更优雅/更容易阅读的东西。我需要先了解distribute by better。我发现hive（不幸的是）不支持<连接条件：“hive中只支持相等连接、外部连接和左半连接。hive不支持非相等条件的连接条件，因为很难将此类条件表示为映射/减少作业。”对不起，我又做了一次尝试。请让我知道它是否有效。简言之，我将ON语句移动到WHERE子句，并使（内部）连接成为交叉连接。
SELECT [User], COUNT([Timestamp]) AS [Before_First_B_Count]
FROM [Dataset] main
JOIN (SELECT [User], min([Timestamp]) [First_B_TS] FROM [Dataset]
    WHERE [Type] = 'B'
    GROUP BY [User]) sub 
        ON (sub.[User] = main.[User]) AND (main.[Timestamp] < sub.[First_B_TS])
WHERE main.[Type] = 'A'
GROUP BY main.[User]