HIVE 非等值连接的解决思路

Posted 2023-02-26 大树的困惑

HIVE 非等值连接的解决思路

hive低版本并不支持非等值连接,在表与表通过join关键字进行连接时,

on 后面接的条件需要是区间式的话

比如:

SELECT A.COL , B.COL 
FROM TABLEA  A
LEFT JOIN 
TABLEB B
ON A.DATE<B.DATE;

这样的连接条件在hivesql中是会报错的.

这里提供一种解决思路

背景:

要统计每个基金每天的基金净值情况,

如果当天没有净值数据的话,

取最近一天存在净值数据的日期的数据作为当天的数据

换句话说只要能取到最近存在数据的日期就可以用日期进行关联了

对于支持非等值连接的数据库来说比较容易

select * from (
select a.*,b.*,row_number() over(partition by fundcode order by nav_date ) rn  from 
native_date_table a
left join 
nav_data_table b
on a.date>=b.nav_date
    )c  where c.rn=1; 

但是对于不支持非等值连接而言,这种做法就实现不了了

需要通过间接的方法,这里先在hive中造点数据

--来造点装逼的数据
--先创建一张空表并插入一条数据,用来辅助造数据用的
create table tmp_join_test (col1 string );

insert into table tmp_join_test values('1');

--华而不实的操作数据
SELECT 
	'000001' fundcode, --基金代码
	date_add(from_unixtime(unix_timestamp(),'yyyy-MM-dd'),rn) as cfm_date  --日期
	FROM (
select col1,row_number() over() as rn 
from (
 select 
 concat('a',repeat(',a',31)) as col 
 from tmp_join_test ) a LATERAL VIEW explode(split(col,',') ) a as col1
 ) as a
 
--这里主要通过repeat函数用来制造出自己所需要的数据

然后我们需要造存在净值数据

SELECT '000001' fundcode, 1.4 nav , '2021-04-21' as nav_date FROM tmp_join_test
union all
SELECT '000001' fundcode, 1.5 nav , '2021-04-16' as nav_date FROM tmp_join_test
union all
SELECT '000001' fundcode, 1.3 nav , '2021-04-29' as nav_date FROM tmp_join_test 
--3条净值数据,作为我们衍生的依据

按照前面的需求背景,

日期大于4-16小于4-21的应该取净值为1.5.的这条数据

日期大于4-21小于4-29的应该取净值为1.3999…的这条数据

日期大于4-29的应该取净值为1.3的这条数据

with w_tmp as (
SELECT CFM_DATE, a.FUNDCODE, NAV,NAV_DATE,
    --通过判断是否有关联到净值日期来判断当天是否有数据
   
	   case when NAV_DATE is null then 
  		row_number() over(partition by b.FUNDCODE order by CFM_DATE)
  		else 
    	0
    	end as dateflag
FROM tmp_join_date a
left join 
(
    --净值数据
SELECT '000001' fundcode, 1.4 nav , '2021-04-01' as nav_date FROM tmp_join_test
union all
SELECT '000001' fundcode, 1.5 nav , '2021-04-16' as nav_date FROM tmp_join_test
union all
SELECT '000001' fundcode, 1.3 nav , '2021-03-29' as nav_date FROM tmp_join_test
) b
on a.cfm_date=b.nav_date
order by cfm_date )
SELECT CFM_DATE,
       FUNDCODE, 
       NAV_DATE,
       --通过分区将日期补齐,补差最后取得日期
       max(NAV_DATE) over(partition by date_sub(CFM_DATE,flag2) order by CFM_DATE ) as lastNavdate  
       FROM 
       (
SELECT CFM_DATE, FUNDCODE, NAV, NAV_DATE,
              case when a.DATEFLAG =0 then 
           		   --将那些没数据的日期,取其前一天的排序标识
                   lag(a.DATEFLAG,1,0) over(partition by FUNDCODE order by a.CFM_DATE) 
              else 
                    a.DATEFLAG
              end as flag2
        FROM w_tmp a ) a1;

这样日期就匹配关联上了