Cloudera Impala SQL查询指定列唯一值对应分组首行方法

现有表adsb_table存储ADS-B飞行数据，结构如下：

• callsign：飞行器呼号
• time：数据上报时间戳
• speed：飞行速度

表样例数据：

需求为返回每个唯一callsign对应的首条（时间最早）记录，预期输出：

原尝试执行的SQL未返回预期结果：

SELECT callsign, time, speed FROM adsb_table WHERE speed>400 ORDER BY callsign GROUP by callsign

原SQL存在两处核心问题：

1. 语法顺序不符合SQL规范（Impala同样遵循该规范）：子句执行顺序必须是WHERE -> GROUP BY -> ORDER BY，ORDER BY写在GROUP BY前本身就会触发语法报错。
2. GROUP BY逻辑错误：直接按callsign分组时，未做聚合处理的time、speed字段返回值是分组内随机取值，Impala不会自动按排序返回分组首行，根本无法保证结果符合预期。

需求本质是取每个callsign分组内time最小的记录，以下两种写法均可实现：

方案1：窗口函数写法（推荐，性能最优） #

用ROW_NUMBER()窗口函数实现分组内排序取Top1，是这类需求的通用最优写法，Impala全版本支持：

SELECT callsign, time, speed
FROM (
    SELECT
        callsign,
        time,
        speed,
        ROW_NUMBER() OVER (PARTITION BY callsign ORDER BY time ASC) AS row_rank
    FROM adsb_table
    WHERE speed > 400 -- 保留原有的速度过滤条件
) tmp
WHERE row_rank = 1;

方案2：子查询关联写法（兼容极老版本场景） #

如果遇到特殊环境不支持窗口函数，可以先分组取每个呼号对应的最早时间，再关联原表取完整记录：

SELECT a.callsign, a.time, a.speed
FROM adsb_table a
JOIN (
    SELECT callsign, MIN(time) AS first_time
    FROM adsb_table
    WHERE speed > 400
    GROUP BY callsign
) b ON a.callsign = b.callsign AND a.time = b.first_time
WHERE a.speed > 400;

内容的提问来源于stack exchange，提问作者John