使用 group by 打印表中的最大值

Posted 2023-03-23

【中文标题】使用 group by 打印表中的最大值

【英文标题】：Printing the highest value in a table using group by

【发布时间】：2021-12-29 20:04:37

【问题描述】：

首先，抱歉标题混乱，我不知道如何更好地描述它，它很复杂。

我有一张如下所示的表格：

send_org	rec_org	partecipants
a	b	1
a	c	2
b	d	2
b	c	3
b	f	3

等等。

对于每个发送，我要打印的是具有最高参与者数的行（我不关心重复，我只需要一个编号最高的行）；所以，在这种情况下，我期待像

a c 2
b c 3

使用 mysql，我的查询将是

SELECT send_org, receive_org, partecipants  
FROM (  
  SELECT *   
  FROM tab
  ORDER BY partecipants DESC) p  
GROUP BY send_org; 

它有效。

Hive 给了我关于不在 GROUP BY 语句中的键的错误，所以我尝试切换到 collection_set()，类似这样

SELECT send_org, collect_set(receive_org)[0], max(partecipants) partecipants  
FROM tab  
GROUP BY send_org  
ORDER BY partecipants;

但是collection_set()[0]返回列rec中的第一个值（正确分组），而不是与参与者编号相关的值。 你有什么建议吗？

如果您需要更好地查看 SQL 版本，请使用here。

【问题讨论】：

试过 this solution ，不起作用。现在我收到了这个错误FAILED: SemanticException Column send_org Found in more than One Tables/Subqueries

如果你在 SPARK sql 中写这个而不是 hive 你可以我们：

SELECT send_org, first(rec_org), MAX(partecipants) from tab group by send_org;

【参考方案1】：

您可以使用row_number 来确定“参与者人数最多的行” 例如。

SELECT send_org, receive_org, partecipants  
FROM (  
  SELECT 
      *,
      ROW_NUMBER() OVER (
          PARTITION BY send_org
          ORDER BY partecipants DESC
      ) rn
  FROM tab
) p  
where rn=1