嗨，我来帮你解决这个Hive查询的问题！其实你要的需求用基础的分组聚合就能轻松搞定，没必要用到collect和rank（除非你还有没提到的隐藏需求），先给你最直接的实现方式：

SELECT
    id,
    MAX(most_recent_run) AS max_most_recent_run,
    SUM(flag1) AS total_flag1,
    SUM(flag2) AS total_flag2
FROM
    your_table_name -- 替换成你的实际表名
GROUP BY
    id;

为什么这个写法能满足需求？ #

Hive的GROUP BY会把相同id的所有行归为一组：

• MAX(most_recent_run)会直接提取每组中时间戳（或日期）的最大值；
• SUM(flag1)和SUM(flag2)会分别累加每组内所有行的flag1和flag2数值，完全匹配你要的结果。

你用collect+rank没得到预期结果的可能原因 #

大概率是把问题复杂化了：

• collect是用来将组内字段收集成数组的函数，一般用于需要把组内多个值合并的场景；
• rank是窗口排序函数，如果你用它来先给每个id的行按most_recent_run降序排名，再取排名第一的行来求和，那这样只会计算最新那一行的flag值，而不是整组的总和，这就和你的需求完全不符了。

如果有额外需求的扩展方案 #

要是你除了分组的max和sum，还需要获取对应最新most_recent_run那一行的其他字段，那可以结合聚合子查询和窗口函数来实现：

WITH agg_summary AS (
    -- 先计算每组的聚合值
    SELECT
        id,
        MAX(most_recent_run) AS max_most_recent_run,
        SUM(flag1) AS total_flag1,
        SUM(flag2) AS total_flag2
    FROM your_table_name
    GROUP BY id
),
ranked_rows AS (
    -- 给每个id的行按时间降序排名
    SELECT
        id,
        most_recent_run,
        other_column, -- 替换成你需要的其他字段
        RANK() OVER(PARTITION BY id ORDER BY most_recent_run DESC) AS rnk
    FROM your_table_name
)
-- 关联聚合结果和最新行的信息
SELECT
    a.id,
    a.max_most_recent_run,
    a.total_flag1,
    a.total_flag2,
    r.other_column
FROM agg_summary a
JOIN ranked_rows r 
    ON a.id = r.id 
    AND a.max_most_recent_run = r.most_recent_run 
    AND r.rnk = 1;

总结一下：如果你的需求就是单纯的分组取max时间和两个flag的总和，第一个基础聚合查询就足够了，用collect和rank反而容易走弯路哦～

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