Предположим, у меня есть эти данные:
player_id stats
100 [{"position":"offense","wins":35},{"position":"defense","wins":17}]
200 [{"position":"offense","wins":85},{"position":"defense","wins":52}]
300 [{"position":"offense","wins":12},{"position":"defense","wins":98}]
И я хочу отобразить их так:
player_id offense_wins defense_wins
100 35 17
200 85 52
300 12 98
Исходные данные выше в настоящее время выбрасываются в таблицу ORC с помощью:
SELECT p.player_id
, s.position
, s.wins
FROM player_stats p
LATERAL VIEW EXPLODE(p.stats) sTable as s
Что дает мне:
player_id position wins
100 offense 35
100 defense 17
200 offense 85
200 defense 52
300 offense 12
300 defense 98
Теперь с этой точки в MySQL я могу просто group_by player_id, затем указать позицию, вытягивая соответствующее значение выигрышей, когда оно = 'оскорбление'или «защита» в свои собственные столбцы, затем оберните каждый случай в COALESCE (), чтобы предотвратить попадание нулей.Сверхбыстрый.
В Hive вместо COALESCE я должен использовать MIN или MAX, но результат будет одинаковым независимо.
Вот основной способ запроса этих данных:
SELECT player_id
, max(case when position = 'offense' then wins end) as offense_wins
, max(case when position = 'defense' then wins end) as defense_wins
FROM orctable
WHERE player_id = 100
GROUP BY player_id
Что приведет к:
player_id offense_wins defense_wins
100 35 17
Теперь, в моей реальной ситуации, в исходном наборе данных есть шесть экземпляров этого массива stats, каждый из которых содержит карту 3-5пар.По этой причине в таблице ORC player_id перечислен примерно 700 раз из повторяющихся боковых представлений.
Вся таблица состоит из 300 тыс. Строк, а в реальном примере player_id дублируется на этой таблице чуть более 700 раз.
Вопрос 1 - это единственный и / или правильный способ преобразования данных в желаемый конечный результат? Вопрос 2 - должен ли этот запрос занимать от 5 до 10 секунд?Тот же набор данных на небольшом сервере MySQL сделает это за миллисекунды.