hive：通过join连接实现排列组合

• 问题
  有一些订单信息，记录了用户是否购买过某个产品。想统计一下同时购买过任意两个产品的用户，类似于组合；还有购买过两个产品并且分购买先后顺序的用户，比如先购买了300055再购买300056、先购买了300056再购买300055，分两种统计，类似于排列。如果用其他语言的话，可以考虑采用循环，但是在hive中循环不太好实现，可以采用join实现。
  

• 解决方法
  通过uid来连接，然后限定不同的条件实现排列组合。

  • 连接，通过uid来关联
    
  • 同时购买过任意两种产品的用户，C(3,2)；限制条件tmp1.result=1 and tmp2.result=1 and tmp1.pid<tmp2.pid
    
  • 购买过任意两种产品中至少一个产品的用户，C(3,2)；限制条件where (tmp1.result=1 or tmp2.result=1) and (tmp1.pid<tmp2.pid)
    
  • 同时购买过任意两种产品且有先后顺序的用户，A(3,2)；限制条件tmp1.result=1 and tmp2.result=1 and tmp1.pid!=tmp2.pid
    
  • 购买过任意两种产品中至少一个产品且有先后顺序的用户，A(3,2)；限制条件where (tmp1.result=1 or tmp2.result=1) and (tmp1.pid!=tmp2.pid)
    

  select
      distinct
      tmp1.uid as uid,
      concat(tmp1.pid,"_",tmp2.pid) as pid,  --两两组合
      concat(tmp1.result,"_",tmp2.result) as result,  --两两组合
  from
      (select
          pid,
          uid,
          result
      from test) tmp1
  full join
      (select
          pid,
          uid,
          result
      from test) tmp2
  on tmp1.uid=tmp2.uid
  where tmp1.result=1 and tmp2.result=1  and tmp1.pid<tmp2.pid  --产品两两组合，且同时购买
  --where (tmp1.result=1 or tmp2.result=1) and (tmp1.pid<tmp2.pid)  --产品两两组合，且购买过其中至少一种产品
  --where tmp1.result=1 and tmp2.result=1  and tmp1.pid!=tmp2.pid  --产品两两组合，同时购买且有先后顺序
  --where (tmp1.result=1 or tmp2.result=1) and (tmp1.pid!=tmp2.pid)  --产品两两组合，购买过其中至少一种产品且有先后顺序
  

  ps：初衷是通过撰写博文记录自己所学所用，实现知识的梳理与积累；将其分享，希望能够帮到面临同样困惑的小伙伴儿。如发现博文中存在问题，欢迎随时交流~~