Hadoop表查询改写：获取指定月份销量最高的日期

嗨，我来帮你搞定这个查询改写！要找出8月销量最高的日期，咱们分两步来：先统计每天的销量，再筛选出销量最高的那天（或者所有并列最高的日期）。

方法一：简单版（只返回一个最高日期） #

如果不介意有并列最高时只返回其中一个，用ORDER BY加LIMIT就够了，写法很直观：

SELECT sold_date, COUNT(*) AS daily_sales
FROM sales
WHERE sold_date BETWEEN '2023-08-01' AND '2023-08-31'
GROUP BY sold_date
ORDER BY daily_sales DESC
LIMIT 1;

这个查询先按日期分组统计每天的销量，再按销量从高到低排序，最后取第一条结果，就是销量最高的日期。

方法二：严谨版（返回所有并列最高的日期） #

要是想把所有销量并列第一的日期都找出来，用窗口函数RANK()会更靠谱：

WITH daily_sales AS (
    -- 先算出8月每天的销量
    SELECT sold_date, COUNT(*) AS sales_count
    FROM sales
    WHERE sold_date BETWEEN '2023-08-01' AND '2023-08-31'
    GROUP BY sold_date
)
-- 给每天的销量排名，取排名第一的日期
SELECT sold_date, sales_count
FROM (
    SELECT sold_date, sales_count,
           RANK() OVER (ORDER BY sales_count DESC) AS sales_rank
    FROM daily_sales
) ranked_sales
WHERE sales_rank = 1;

这里先通过CTE（公共表表达式）算出每天的销量，再用RANK()给每个日期的销量排名，最后筛选出排名第一的记录——如果有多个日期销量相同且都是最高，它们都会被返回。

额外注意：如果日期带时间戳 #

要是你的sold_date字段是带具体时间的（比如2023-08-01 14:30:22），直接按sold_date分组会把同一天不同时间的订单分开统计，这时候得先把日期截断到“天”级别，以Hive为例可以用TRUNC()函数：

WITH daily_sales AS (
    SELECT TRUNC(sold_date, 'DAY') AS sale_day, COUNT(*) AS sales_count
    FROM sales
    -- 注意这里结束时间要加到当天最后一秒，避免漏掉8月31日的订单
    WHERE sold_date BETWEEN '2023-08-01' AND '2023-08-31 23:59:59'
    GROUP BY TRUNC(sold_date, 'DAY')
)
SELECT sale_day, sales_count
FROM (
    SELECT sale_day, sales_count,
           RANK() OVER (ORDER BY sales_count DESC) AS sales_rank
    FROM daily_sales
) ranked_sales
WHERE sales_rank = 1;

备注：内容来源于stack exchange，提问作者Jim