如何在Hive与Impala中按code获取每月最后一天的val_a值？

首先，咱们先拆解下你写的SQL里的核心问题：

• 日期范围写错了：你要查询的是2019年11月的数据，但WHERE子句里写的是BETWEEN '20090601' AND '20090630'，这完全偏离了目标时间段，得先修正这个。
• GROUP BY逻辑有误：你同时按code和val_a分组，这会把同一个code下不同val_a的行拆成独立分组，导致无法精准匹配到最大日期对应的val_a值。比如code 00001的两行，因为val_a不同，GROUP BY后会生成两个组，各自的max(date)分别是20191101和20191130，这显然不是你想要的结果。

下面给你两种适配Hive和Impala的正确写法：

方法1：子查询+关联（适合理解基础逻辑） #

先通过子查询找出每个code在目标月份的最大日期，再关联原表拿到对应的val_a：

SELECT t.code, t.val_a, t.date
FROM table_name_a t
INNER JOIN (
    -- 先获取每个code的月末最后一天日期
    SELECT code, MAX(date) AS max_date
    FROM table_name_a
    WHERE date BETWEEN '20191101' AND '20191130'
    GROUP BY code
) m 
ON t.code = m.code AND t.date = m.max_date
WHERE t.date BETWEEN '20191101' AND '20191130';

方法2：窗口函数（更简洁高效） #

利用ROW_NUMBER()窗口函数，按code分组后对日期降序排序，取每组的第一行（即日期最大的那一行）：

SELECT code, val_a, date
FROM (
    SELECT 
        code, 
        val_a, 
        date,
        -- 按code分组，每组内按日期倒序排，给每行打序号
        ROW_NUMBER() OVER (PARTITION BY code ORDER BY date DESC) AS rn
    FROM table_name_a
    WHERE date BETWEEN '20191101' AND '20191130'
) t
-- 取每组的第一行（也就是月末最后一天的数据）
WHERE rn = 1;

额外说明 #

• 如果你的date字段是数值类型（比如int），上面的写法完全没问题；如果是字符串类型，因为格式是YYYYMMDD，字符串的字典序和日期顺序一致，所以也可以直接用。
• 如果同一个code在月末当天有多个记录（比如同一天有两条val_a不同的数据），ROW_NUMBER()会随机返回其中一条。如果想保留所有同一天的记录，可以把ROW_NUMBER()换成RANK()或者DENSE_RANK()。

内容的提问来源于stack exchange，提问作者user12336707