Hive 子查询出错 - 不支持的子查询表达式

Posted 2023-03-22

【中文标题】Hive 子查询出错 - 不支持的子查询表达式

【英文标题】：Error with Hive SubQuery - Unsupported SubQuery Expression

【发布时间】：2021-02-16 07:23:15

【问题描述】：

create table db.temp
location '/user/temp' as
SELECT t1.mobile_no
FROM db.temp t1
WHERE NOT EXISTS ( SELECT NULL
                   FROM db.temp t2
                   WHERE t1.mobile_no = t2.mobile_no
                     AND t1.cell != t2.cell
                     AND t2.access_time BETWEEN t1.access_time
                                            AND t1.access_time_5);

我需要从access time 获取所有在 5 小时内使用同一单元格的用户（access_time_5）。这段代码与 impala 完美结合。但不适用于 Hive。

报错

"编译语句时出错：FAILED： SemanticException [错误 10249]：第 23:25 行不受支持的子查询 表达式”

我查看了与此错误相关的类似问题。想不出解决办法。任何帮助将不胜感激！

【问题讨论】：

这能回答你的问题吗？ Unsupported SubQuery Expression : Correlating expression cannot contain unqualified column references

嗨@mck。我试过这个method。但它不起作用！

correlated BETWEEN 在 Hive 中不受支持。

嗨@leftjoin！有什么办法可以解决这个问题？

你能发布一些数据示例吗？

【参考方案1】：

Hive 和非 equi 连接不支持 Correlated BETWEEN。尝试使用 LEFT JOIN 重写，根据您的条件计算行数并过滤：

select mobile_no from
(
SELECT t1.mobile_no, 
       sum(case when t1.cell != t2.cell
                 and t2.access_time between t1.access_time and t1.access_time_5
               then 1 else 0
           end) as cnt_exclude
  FROM db.temp t1
       LEFT JOIN db.temp t2 on t1.mobile_no = t2.mobile_no
 GROUP BY t1.mobile_no
)s
where cnt_exclude=0

这种解决方案的问题是LEFT JOIN可能会产生大量重复，并且会影响性​​能，但如果数据不是太大，它可能会起作用。

【参考方案2】：

在我看来，两个数据库的窗口函数都会更好。让我假设 access_time 是 Unix 时间（即以秒为单位）。您可以轻松地将值转换为这样的时间：

SELECT t1.mobile_no
FROM (SELECT t1.*,
             MIN(t1.cell) OVER (PARTITION BY mobile_no
                                ORDER BY access_time
                                RANGE BETWEEN 17999 preceding AND CURRENT ROW
                               ) as min_cell,
             MAX(t1.cell) OVER (PARTITION BY mobile_no
                                ORDER BY access_time
                                RANGE BETWEEN 17999 preceding AND CURRENT ROW
                               ) as max_cell
      FROM db.temp t1
     ) t1
WHERE min_cell = max_cell;

【讨论】：

嗨@Gordon。谢谢你的回答。但它给了我一个错误无法将窗口调用分解为组。至少 1 个组必须仅依赖于输入列。还要检查循环依赖关系。有什么解决这个问题的建议吗？

@S.Abeyrathne 。 . .我真的不明白这个查询是如何产生这个错误的。我假设所有引用的列都在db.temp。