hadoop - 有没有办法为预期的输出编写配置单元脚本

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;