这两天在学习join的几种方式,其中提到hash等值和不等值连接,于是进行了概念清晰
首先我先说下我第一误区,我等值和不等值难道是只有数字相等吗？不包括字符串其他吗？
于是对hash值进行重新研究
https://zhuanlan.zhihu.com/p/118148884
通过这篇文章我们更进一步了解到hash其实可以针对多种数据类型
数据是会有各种格式的，字符串，浮点……
那么第二个疑问我们在SparkSql中指的不等值连接是什么？
其实是类似 >,< bettwen …and…等操作,有种区间的连接
举例：
【SQL】spark sql 不等值 join
products一个商品价格变化的表，orders商品订单，记录每次购买商品和日期
基于Spark SQL中的不等值join实现orders和products的匹配，统计每个订单中商品对应当时的价格
缓慢变化的商品价格表
旺仔牛奶，发生过一次价格变更
scala> val products = sc.parallelize(Array(
| ("旺仔牛奶", "2017-01-01", "2018-01-01", 4),
| ("旺仔牛奶", "2018-01-02", "2020-01-01", 5),
| ("王老吉", "2017-01-02", "2019-01-01", 5),
| ("卫龙辣条", "2010-01-01", "2020-01-01", 2)
| )).toDF("name", "startDate", "endDate", "price")
products: org.apache.spark.sql.Dataframe = [name: string, startDate: string ... 2 more fields]
scala> products.show(); +----+----------+----------+-----+ |name| startDate| endDate|price| +----+----------+----------+-----+ |旺仔牛奶|2017-01-01|2018-01-01| 4| |旺仔牛奶|2018-01-02|2020-01-01| 5| | 王老吉|2017-01-02|2019-01-01| 5| |卫龙辣条|2010-01-01|2020-01-01| 2| +----+----------+----------+-----+
订单表（商品名称，订单日期）
旺仔牛奶在不同价格时段分别发生了一次订单
scala> val orders = sc.parallelize(Array(
| ("2017-06-01", "旺仔牛奶"),
| ("2017-07-01", "王老吉"),
| ("2018-03-01", "旺仔牛奶")
| )).toDF("date", "product")
orders: org.apache.spark.sql.Dataframe = [date: string, product: string]
scala> orders.show +----------+-------+ | date|product| +----------+-------+ |2017-06-01|旺仔牛奶| |2017-07-01| 王老吉| |2018-03-01|旺仔牛奶| +----------+-------+
通过不等值连接，计算每个订单当时的商品价格
查看出旺仔牛奶，两个订单在不同时间段上对应的价格
scala> orders.join(products, $"product" === $"name" && $"date" >= $"startDate" && $"date" <= $"endDate").show()
+-----------+------------+----------+------------+-------------+-----+
| date | product | name | startDate | endDate | price|
+-----------+------------+----------+------------+-------------+-----+
|2017-07-01| 王老吉 | 王老吉 |2017-01-02|2019-01-01 | 5 |
|2017-06-01| 旺仔牛奶 |旺仔牛奶|2017-01-01|2018-01-01 | 4 |
|2018-03-01| 旺仔牛奶 |旺仔牛奶|2018-01-02|2020-01-01 | 5 |
+-----------+------------+----------+------------+-------------+-----+
