hive中求相邻时间问题的两种解决方法

hive中经常会有求连续数字或者连续的时间这种问题，其实处理的方法一致。

首先给出数据的结构：

假如表dw.tmp_interview_data中存放有如下样式的数据：

 

求出表dw.tmp_interview_data中每个人连续工作时间段及对应的工资和，结果表如下：

姓名	开始日期	结束日期	总工资
小明	2017-06-01	2017-06-03	300
小红	2017-06-01	2017-06-03	240
小明	2017-07-01	2017-07-01	150
小明	2017-08-02	2017-08-03	200

此种为题可以归类为求连续时间的问题（求连续数字是相同的解决办法），现给出两种解决办法。

第一种：

SELECT a.name
      ,b.starttime
      ,b.endtime
      ,sum(case when a.date>=b.starttime and a.date<=b.endtime then a.salary else 0 end) as total_salary
FROM dw.tmp_interview_data a
LEFT JOIN
 (  SELECT name
          ,diff
          ,qujian[0]  endtime
          ,case when diff=0 then qujian[0] 
                when diff=1 then qujian[1] 
                when diff=2 then qujian[2] 
                when diff=3 then qujian[3] end as starttime     --此处如有其它时间差，需要进行枚举
    FROM                                                        --取出连续时间范围
      (  SELECT name
               ,datediff(max(date),min(date)) diff
               ,COLLECT_set(date) qujian
          FROM                                                  --求出连续时间之差
           ( SELECT name
                   ,date
                   ,salary
                  ,date_sub(date,rank) as date2 
              FROM                                              --日期与排名之间的差值
               ( SELECT name
                       ,date
                       ,salary
                       ,row_number () over (partition by name order by date) rank
                   FROM dw.tmp_interview_data                   --按name分组后对date进行排序
                ) a  
            ) a 
        GROUP BY name,date2 
       ) a
  ) b on a.name=b.name
GROUP BY a.name,b.starttime,b.endtime

 

运行结果如下：

 

第二种方法：

SELECT name
      ,first1
      ,last1
      ,salary * (datediff(last1, first1)+1)  as salary
 FROM 
   ( SELECT name
           ,num
           ,salary
           ,min(date) as first1
           ,max(date) as last1
       FROM 
        ( SELECT a.name
                ,a.date
                ,date_sub(date, rn - 1) num
                ,salary
           FROM 
            ( SELECT name
                    ,date
                    ,salary
                    ,row_number() over(PARTITION BY name ORDER BY date) rn
                FROM dw_htlbizdb.tmp_qh_liu_interview_data
               GROUP BY name,date,salary
             ) a
         ) b   group by name,num,salary
    ) a

 

运行结果如下：

 

其实两种方法比较下来，都先先用row_number()函数通过name分组，并对日期进行排序，然后利用日期与所得排名之间的差值来做进一步的处理。连续数字问题思路同上~