Hive（查找連續n列的最小值）

Question

我在Hive中使用5列（即email，a_first_date，b_first_date，c_first_date，d_first_date）創建表。

a，b，c，d是用戶可以採取的4種不同的動作，並且上表中的4列表示用戶進行第一個相應動作的日期。例如，'a_first_date'中的值具有用戶執行操作的日期。

輸出：我想要的是2列有電子郵件，overall_first_date，即用戶做了他的第一個動作的日期？

示例表：（假設所有的值均大於其他電子郵件BIGINT型）

電子郵件，a_first_date，b_first_date，c_first_date，d_first_date
ABC，20140707,20140702,20140801,20140907
XYZ，20140107,20140822， 20140201,20141007

輸出：

電子郵件，overall_first_date
ABC，20140702
XYZ，20140107

可能的解決方案是編寫UDF或使用IF ELSE將這些值相互比較，然後找到最小值，但這會涉及大量比較。

或者我可以做：

select email, min(action) as overall_first_date from 

(
select email, a_first_date as action from mytable 
UNION ALL 
select email, b_first_date as action from mytable 
UNION ALL 
select email, c_first_date as action from mytable 
UNION ALL 
select email, d_first_date as action from mytable 
) q1 

GROUP BY email 

但同樣，這不是一個好辦法。

任何人都可以請建議一個更好的方式來實現這一目標嗎？

Answer 1

爲什麼不使用case語句？這似乎已經在這裏SQL徹底討論：https://dba.stackexchange.com/questions/21542/what-is-the-most-efficient-way-to-get-the-minimum-of-multiple-columns-on-sql-ser

Answer 2

你可以使用蜂巢的陣列功能：

select email, 
     sort_array(array(a_first_date, b_first_date, c_first_date, d_first_date))[0] as overall_first_date 
from table; 

我不知道如何與此相比，一個CASE語句的性能，明智的。既然你沒有很多列，兩者同樣簡單。

Answer 3

使用函數least（）。例如， ; 從Tablename中選擇*，至少（col1，col2，col3）作爲minofcol ;