如何在Hive SQL中基于reading_date按每10天间隔提取数据？

问题背景 #

你手头有一张名为t1的表，数据和结构如下：

你的需求是：从reading_date的最小值到最大值，按每10天的间隔筛选数据，得到指定格式的结果集。

实现代码 #

直接上可以运行的Hive SQL代码，我会一步步给你解释：

WITH date_converted AS (
    -- 转换日期格式并计算每条记录与最小日期的天数差
    SELECT 
        reading_date,
        use_date,
        name,
        reading_pct,
        to_date(reading_date, 'MM/dd/yyyy') AS reading_dt,
        datediff(to_date(reading_date, 'MM/dd/yyyy'), MIN(to_date(reading_date, 'MM/dd/yyyy')) OVER ()) AS days_diff
    FROM t1
)
SELECT 
    reading_date AS `new(t1.reading_date)`,
    use_date,
    name,
    reading_pct
FROM date_converted
WHERE days_diff % 10 = 0
ORDER BY reading_date;

代码拆解说明 #

1. 日期格式转换：因为你的reading_date是字符串类型（比如12/17/2019），Hive没法直接做日期计算，所以先用to_date()把它转成Hive支持的日期类型，指定格式为MM/dd/yyyy（月/日/年）。
2. 计算天数差：用窗口函数MIN() OVER ()可以拿到整个表中最早的reading_date，然后用datediff()函数算出当前记录的日期和这个最早日期之间差了多少天，结果存在days_diff字段里。
3. 筛选间隔记录：咱们要的是每10天的记录，也就是days_diff为0、10、20...的记录，直接用days_diff % 10 = 0就能精准筛选出来——这一步就是核心，对应你要的每10天间隔的要求。
4. 整理输出：最后把reading_date列重命名为你要的new(t1.reading_date)，再按日期排序，就得到你想要的结果啦。

如果你的reading_date字段本身已经是Hive的日期类型，那可以去掉to_date()转换的部分，直接计算天数差就行，代码会更简洁。

内容的提问来源于stack exchange，提问作者Dia