insert overwrite table store select t.p_key,t.sort_word from ( select p_key, sort_word , row_number() over(distribute by p_key sort by sort_word) as rn from store) t where t.rn=1;
说明:
- p_key为去重所依据的key,sort_word表示多个p_key的排列顺序,这个关键字将决定哪个p_key将留下。
- t 为子查询的别名,Hive需要在每个子查询后面加别名
- t.rn=1表示重复的数据只保留第一个。
- distribute by 关键字指定分发的key,同一个key将分发到同一个reducer
- sort by 是单机范围内排序,因此配合distribute by 就可以对某一个关键字排序
参考:
写好Hive 程序的五个提示
Hive 典型的中表内数据除重写法