[Hive基础]-- 去除指定重复的数据举例

本文介绍了如何使用Hive的HQL语句去除数据表中指定字段的重复数据。通过示例代码展示了利用row_number()窗口函数结合distribute by和sort by关键字进行数据去重的方法,并提供了针对所有字段去重的处理方式。
摘要由CSDN通过智能技术生成

Hive数据去重举例:

Hql代码  

 

INSERT overwrite TABLE store SELECT
	t.p_key,
	t.sort_word
FROM
	(
		SELECT
			p_key,
			sort_word,
			row_number () over (
				distribute BY p_key sort BY sort_word
			) AS rn
		FROM
			store
	) t
WHERE
	t.rn = 1;

 


说明:

  • p_key为去重所依据的key,sort_word表示多个p_key的排列顺序,这个关键字将决定哪个p_key将留下。
  • t 为子查询的别名,Hive需要在每个子查询后面加别名
  • t.rn=1表示重复的数据只保留第一个。
  • distribute by 关键字指定分发的key,同一个key将分发到同一个reducer
  • sort by 是单机范围内排序,因此配合distribute by 就可以对某一个关键字排序

应用举例:

表一数据:

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

往事随风ing

你的鼓励将是我创作的最大动力!

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值