有没有办法为预期的输出编写一个配置单元脚本

Question

LOG1

event1   foo_id1
event1   foo_id2
event1   foo_id3
event1   foo_id4
event1   foo_id1
event1   foo_id1
event1   foo_id2
event1   foo_id1
event1   foo_id1
event1   foo_id3

LOG2

event2      foo_id1     od_id1
event2      foo_id1     od_id13
event2      foo_id1     od_id15
event2      foo_id2     od_id2
event2      foo_id2     od_id14
event2      foo_id3     od_id3
event2      foo_id5     od_id9
event2      foo_id8     od_id10
event2      foo_id7     od_id11
event2      foo_id6     od_id12
event2      foo_id1     od_id4
event2      foo_id3     od_id5
event3      foo_id1     od_id6
event3      foo_id2     od_id7
event3      foo_id3     od_id8

预期产出

event2  od_id1  1
event2  od_id2  1
event2  od_id3  1
event2  od_id4  1
event2  od_id5  1
event2  0d_id14 1
event2  od_id13 1
event2  od_id15 1

所有事件（即event1，event2，event3）都有foo_ids。对于“event1”中的所有事件，我想知道od_id在event2组中出现foo_id的次数。

Answer 1

你需要的只是一个“in子句”，你可以在Hive中使用左半连接。

在您的情况下，您将创建两个表：

create table log1 (id string, fooid string);
create table log2 (id string, fooid string, odid string);

将数据加载到这些表格中 您需要的SQL命令是

select id, odid, count(fooid)
from log2 left semi join log1 on (log1.fooid = log2.fooid)
where id = 'event2'
group by id, odid;