通过impala中的常用字母对记录进行有效分类

Posted 2023-03-22

【中文标题】通过impala中的常用字母对记录进行有效分类

【英文标题】：Efficient Classification of records by common letters in impala

【发布时间】：2017-02-25 19:44:26

【问题描述】：

我在 impala (TBL1) 中有一个表，其中包含不同的名称和不同数量的第一个常用字母。该表包含大约 3M 条记录。我想在表中添加一个新属性，其中每个常见的第一个字母都有一个类。它与DENSE_RANK 的工作方式相同，但首字母的数量是动态的。相同首字母的个数不得少于p=3 字母（p = 参数）。 以下是表格示例和所需结果：

|  ID   |   Attr1      | New_Attr1   | Some more attribute...
+-------+--------------+-------------+-----------------------
|  1    | ZXA-12       |  1          |
|  2    | YL3300       |  2          |
|  3    | ZXA-123      |  1          |
|  4    | YL3400       |  2          |
|  5    | YL3-aaa      |  2          |
|  6    | TSA 789      |  3          |

...

【参考方案1】：

这是你想要的吗？

select t.*,
       dense_rank() over (order by strleft(attr1, 3)) as newcol
from . . .;

“3”是你的参数。

请注意：在您的示例中，您似乎已按字母倒序分配了新值。因此，您会希望 desc 用于 order by。

【讨论】：

非常感谢！我想保持桌子的顺序。会因为or​​der by而改变吗？

字母顺序只是一个例子，不能是真实大小写。

@Avi 。 . .将order by id 添加到查询中。