如何根據兩個分組變量統計具有相同聚類的觀察值的數量？

Question

在HiveQL中，如何根據group1和group2計算具有相同分組的id的數量？

+-----+--------+--------+ 
| id1 | group1 | group2 | 
+-----+--------+--------+ 
| 1 | Z  | a  | 
| 2 | Z  | a  | 
| 3 | Z  | b  | 
| 4 | Z  | c  | 
| 5 | Y  | d  | 
+-----+--------+--------+ 

結果返回應爲3，因爲我們應該採取的最大值{（Z，A）（Z，B）（Z，C）}，它是2，和的最大值{（Y， d）}，這是1.

我試圖在沒有成功的情況下使用子查詢在HiveQL中進行編碼。任何提示將不勝感激。

Answer 1

最後用SQL小提琴搞清楚了。嘗試使玩具比如用：

CREATE TABLE test 
(`id` int, `group1` varchar(7), `group2` varchar(7)); 
INSERT INTO test 
    (`id`, `group1`, `group2`) 
VALUES 
    (1, 'Z', 'a'), 
    (2, 'Z', 'a'), 
    (3, 'Z', 'b'), 
    (4, 'Z', 'c'), 
    (5, 'Y', 'd'); 

運行下面的回報3.

SELECT SUM(d.max_val) 
    FROM(SELECT MAX(c.count) as max_val, c.group1, c.group2 
     FROM (SELECT COUNT(*) AS count, group1, group2 
      FROM test 
      GROUP BY group1, group2) c 
GROUP BY c.group1, c.group2) d