类似于 Spark 中的 groupByKey() 但使用 SQL 查询

Posted 2023-04-15

【中文标题】类似于 Spark 中的 groupByKey() 但使用 SQL 查询

【英文标题】：similar to groupByKey() in Spark but using SQL queries

【发布时间】：2021-03-15 00:26:20

【问题描述】：

我试着做

 ID    CATEGORY  VALUE
'AAA'    'X'      123
'AAA'    'Y'      456
'BBB'    'X'      321
'BBB'    'Y'      654

进入

 ID     VALUE_X   VALUE_Y
'AAA'     123       456
'BBB'     321       654

仅使用 SQL 查询。 这有点类似于在 pyspark 中使用 groupByKey()。

有没有办法做到这一点？

【参考方案1】：

只需使用条件聚合。一种方法是：

select id,
       max(case when category = 'X' then value end) as x_value,
       max(case when category = 'Y' then value end) as y_value
from t
group by id;

在 Postgres 中，这将使用标准的 filter 子句来表述：

select id,
       max(value) filter (where category = 'X'),
       max(value) filter (where category = 'Y')
from t
group by id;

【讨论】：

为什么我们需要一个最大值？

@jginso7 。 . .你需要一个聚合函数，max() 很方便，因为它适用于所有类型。

您好，还有一个问题... 什么是某些 ID 对 CATEGORY 没有价值？比如说，ID 'CCC' 只有 CATEGORY 'X' VALUE '123'，但没有其他行。为此我想要CCC 123 0

如果没有key，则值为NULL。您可以将表达式包装在coalesce()：coalesce(max(value) filter (where category = 'Y'), 0)。