查詢兩個相關表（加入）

Question

這是Hive中的第一張表 - 它包含有關我們正在購買的項目的信息。

CREATE EXTERNAL TABLE IF NOT EXISTS Table1 (This is the MAIN table through which comparisons need to be made) 
(
ITEM_ID BIGINT, 
CREATED_TIME STRING, 
BUYER_ID BIGINT 
) 

而且這是在上述的第一臺

**ITEM_ID** **CREATED_TIME** **BUYER_ID** 
220003038067  2012-06-21  1015826235 
300003861266  2012-06-21  1015826235 
140002997245  2012-06-14  1015826235 
200002448035  2012-06-08  1015826235 
260003553381  2012-06-07  1015826235 

這是第二個表中Hive-，其中還包括我們所購買的物品信息的數據。

CREATE EXTERNAL TABLE IF NOT EXISTS Table2 
(
USER_ID BIGINT, 
PURCHASED_ITEM ARRAY<STRUCT<PRODUCT_ID: BIGINT,TIMESTAMPS:STRING>> 
) 

而且這是在上面的表 -

**USER_ID** **PURCHASED_ITEM** 
1015826235  [{"product_id":220003038067,"timestamps":"1340321132000"}, {"product_id":300003861266,"timestamps":"1340271857000"}, {"product_id":140002997245,"timestamps":"1339694926000"}, {"product_id":200002448035,"timestamps":"1339172659000"}, {"product_id":260003553381,"timestamps":"1339072514000"}] 

數據我已經將數據減少到只有一個BUYER_ID（USER_ID），以使問題易於理解。

問題聲明 -

我需要比較Table2與Table1，這意味着我要看看是否USER_ID從Table1Table2和BUYER_ID（因爲他們都是同樣的事情）在被匹配，則PURCHASED_ITEM Table2是一個PRODUCT_ID（與ITEM_ID相同）和TIMESTAMPS（與CREATED_TIME相同）的數組，應該與ITEM_ID和CREATED_TIME中的Table1相同，並且有時也有可能它們（意思是PURCHASED_ITEM和ITEM_ID，CREATED_TIME）與Table1相比較後，Table2中的一些PRODUCT_ID和TIMESTAMPS不同。

我的意思是在Table2PRODUCT_ID和TIMESTAMPS計數應該是相同的表1和ITEM_ID計數CREATED_TIME針對特定BUYER_ID（USER_ID）和內容應該是一樣的。如果它們不是相同的或者從Table2中缺少條目，那麼我需要打印結果，這個特定的ITEM_ID和CREATED_TIME從Table2丟失，或者PRODUCT_ID和TIMESTAMPS與Table1相比較後不同。

因此，例如，在表1當前爲此BUYER_ID 1015826235我有5 ITEM_ID和5 CREATED_TIME，所以在表2我應該在一排有5 PRODUCT_ID和5 TIMESTAMPS完全相同的表1的相同USER_ID(BUYER_ID)。如果它不相同或缺少輸入，那麼我需要打印顯示缺少結果或該數據錯誤的結果。

所以只是爲了讓更多的clear-

PURCHASED_ITEM是結構的Table2一個數組，它包含兩件事情PRODUCT_ID和TIMESTAMPS。

如果USER_ID和BUYER_ID得到匹配，然後在Table2PRODUCT_ID應ITEM_ID在Table1和TIMESTAMPS在Table2匹配應CREATED_TIME在Table1匹配。

修訂

HiveQL SQL查詢問題： -

Q 1) Find all USER_ID from Table2 whose PRODUCT_ID or TIMESTAMP are not same with 
ITEM_ID or CREATED_TIME after comparing with Table1 on BUYER_ID. 

查詢，我寫了第一個問題。查詢是否正確？

A 1) select Table2.user_id from Table2 where Table1.user_id = Table2.buyer_id 
and (Table1.item_id <> Table2.product_id or UNIX_TIMESTAMP(Table1.created_time) <> 
Table2.timestamps) 


Q 2) Find the `BUYER_ID(USER_ID)` and as well as those `ITEM_ID` and `CREATED_TIME` 
which are missing from `Table2` after comparing from `Table1` on `BUYER_ID`. 

A 2) Not sure. 

Answer 1

我不熟悉的蜂巢，但我建議你創建一個臨時表相同的模式表1和表2與填充數據（與時間戳轉換）。如果支持，這最終可能是一種觀點。

兩個表的內容比較這時可以使用的查詢，如：

SELECT * FROM Table1 WHERE (ITEM_ID,CREATED_TIME,BUYER_ID) NOT IN (SELECT * FROM Table2bis) 

SELECT * FROM Table2bis WHERE (ITEM_ID,CREATED_TIME,BUYER_ID) NOT IN (SELECT * FROM Table1) 

Answer 2

我建議，因爲它使比較艱苦，你不使用你的CREATED_TIME和時間戳「字符串」數據類型。而不是使用日期或TimeStamp。

對於你的問題：我認爲這裏的大問題是單獨使用字符串！

我的Oracle用戶，但應該有這樣的事情在蜂巢：

To_date({string},{Format}) 

你使用

UNIX_TIMESTAMP({string}) 

另一件事：當你有strucs，你shouls解決這樣的領域：Table2.PURCHASED_ITEM [{address}]。product_id而不是未知的Table2.product_id。

和一個建議：

Trunc({Date},{Format ex: 'SS' for sseconds}) 

當你CREATED_TIME和你TIME_STAMP不完全在同一個時間刻度（可能是0.001秒差異，因爲差異插入時如果插入現在或系統日期爲每個他們）你最好截斷日期到秒或毫秒或任何你認爲更好的。

還有一件事：在這裏使用NVL（）或轉換空值，因爲如果你有這樣的問題，它也有可能在你的表中有空值導致查詢中的問題，NVL（）函數將轉換空你喜歡的東西。

希望這會有所幫助。