日志1
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
日志2
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
预期产量
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(例如,event1,event2,event3)都具有foo_id。对于“event1”中的所有事件,我想知道在od_id中event2组中这些foo_id发生了多少次。
最佳答案
您需要的只是一个“in子句”,您可以在Hive中使用左半联接。
根据您的情况,您将创建两个表:
create table log1 (id string, fooid string);
create table log2 (id string, fooid string, odid string);
并将您的数据加载到这些表中。
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;