在 where 子句中使用子查询从表中选择第二大日期
Posted
技术标签:
【中文标题】在 where 子句中使用子查询从表中选择第二大日期【英文标题】:Using a subquery in the where clause to select 2nd highest date from a table 【发布时间】:2020-11-11 18:21:45 【问题描述】:我需要做(在伪代码中)
where yyyy_mm_dd >= '2019-02-01'
and yyyy_mm_dd <= second highest date in a table
为此,我使用了以下代码:
where
p.yyyy_mm_dd >= "2019-02-02"
and p.yyyy_mm_dd <= (select max(yyyy_mm_dd) from schema.table1 where yyyy_mm_dd < (select max(yyyy_mm_dd) from schema.table1 where yyyy_mm_dd is not null))
上面的方法在包裹在spark.sql()
中时有效,但是当我在没有 Spark 的情况下运行查询时,即作为原始 HQL,我遇到了这个错误:
编译语句时出错:FAILED: ParseException line 102:25 cannot identify input near 'select' 'max' '(' in expression specification
我尝试通过像这样为子查询中的所有列设置别名来修复它:
where
p.yyyy_mm_dd >= "2019-02-02"
and p.yyyy_mm_dd <= (select max(t1.yyyy_mm_dd) from schema.table1 t1 where t1.yyyy_mm_dd < (select max(t2.yyyy_mm_dd) from schema.table2 t2 where t2.yyyy_mm_dd is not null))
不过,我还是遇到了同样的错误。
编辑以包含示例数据和查询:
表1:
| yyyy_mm_dd | company_id | account_manager |
|------------|------------|-----------------|
| 2020-11-10 | 321 | Peter |
| 2020-11-09 | 632 | John |
| 2020-11-08 | 598 | Doe |
| 2020-11-07 | 104 | Bob |
| ... | ... | ... |
| ... | ... | ... |
表2:
| yyyy_mm_dd | company_id | tier |
|-------------------|------------|--------|
| 2020-11-10 | 321 | Bronze |
| 2020-11-09 | 632 | Silver |
| 2020-11-08 | 598 | Gold |
| 2020-11-07 | 104 | Bob |
| ... | ... | ... |
| ... | ... | ... |
| 2019_12_13_backup | 321 | Bronze |
| 2019_12_13_backup | 632 | Silver |
| ... | | |
查询:
select
p.yyyy_mm_dd,
p.company_id,
p.account_manager,
t.tier
from
table1 p
left join(
select
yyyy_mm_dd,
company_id,
max(tier) as tier
from
table2
where
yyyy_mm_dd >= "2019-02-02"
group by
1,2
) t on (t.company_id = p.company_id and t.yyyy_mm_dd = p.yyyy_mm_dd)
where
p.yyyy_mm_dd >= "2019-02-02"
and p.yyyy_mm_dd <= (select max(yyyy_mm_dd) from table2 where yyyy_mm_dd < (select max(yyyy_mm_dd) from table2 where yyyy_mm_dd is not null))
由于table2
在yyyy_mm_dd
列中包含backup_2019_12_31
,因此在表上执行max()
时将返回这些行。所以我需要得到第二高的值,这里的数据集中是2020-11-10
。每个yyyy_mm_dd
有多个company_ids
。
本质上,我想查询table1
,其中yyyy_mm_dd
介于table1
起点(硬编码为2019-02-02
)和table2
的真正最大日期之间
【问题讨论】:
请提供完整选择,以便更好地了解您选择的是哪个表 我已经用示例数据和查询更新了问题。我希望现在更清楚了 【参考方案1】:要从 table3 中获取第二高的日期,您可以使用 dense_rank。日期第二高的所有行都将分配 rn=2。使用 LIMIT 获取单行或使用 max() 或不同的聚合,然后使用 max_date 和过滤器交叉连接您的表。
with max_date as(
select yyyy_mm_dd
from
(
select yyyy_mm_dd,
dense_rank() over(order by yyyy_mm_dd desc) rn
from table2
)s
where rn=2 --second max date
limit 1 --need only one record
)
select t1.*
from table1 t1
cross join max_date t2
where t1.yyyy_mm_dd <= t2.yyyy_mm_dd
【讨论】:
我的 Hive 处于严格模式,因此不允许交叉连接。有其他方法吗? 另外,如果我没记错的话,我认为你应该离开table2
加入 table2.yyyy_mm_dd <= max_date.yyyy_mm_dd
,这样 tier
数据将每天保留。对不起,如果我不清楚以上是关于在 where 子句中使用子查询从表中选择第二大日期的主要内容,如果未能解决你的问题,请参考以下文章