昨天开发找到我们DBA，要我们写一条Hive SQL。
需求：
有一个t表，主要有机场名称airport，机场的经纬度distance这两个列组成，想得到所有距离小于100的两个机场名。
其实写这个SQL的逻辑并不是很困难，难点是如何去重复值，
我用MySQL模拟的一个表，其实Hive语法和SQL差不多，插入了三条数据，a, b, c 分别代表三个机场名称，结构如下：
mysql> show create table t\G
*************************** 1. row ***************************
Table: t
Create Table: CREATE TABLE `t` (
`airport` varchar(10) DEFAULT NULL,
`distant` int(11) DEFAULT NULL
) ENGINE=InnoDB DEFAULT CHARSET=utf8
1 row in set (0.00 sec)
mysql> select * from t;
+---------+---------+
| airport | distant |
+---------+---------+
| a | 130 |
| b | 140 |
| c | 150 |
+---------+---------+
3 rows in set (0.00 sec)
通过!=筛选掉本机场自己之间的比较，用abs函数取绝对值得到位置小于100的两个机场
mysql> select t1.airport, t2.airport from t t1,t t2 where t1.airport != t2.airport and abs(t1.distant-t2.distant) < 100;
+---------+---------+
| airport | airport |
+---------+---------+
| b | a |
| c | a |
| a | b |
| c | b |
| a | c |
| b | c |
+---------+---------+
6 rows in set (0.00 sec)
但是问题来了，(b,a) 与(a,b)，(c,a)与(a,c)，(c,b)与(b,c)这里被我们视为重复值，我们只需要得到其中某一行的数据，就知道是哪两个机场名了，那么，如何去掉这个重复值呢？
貌似distinct，group by都派不上用场了，最后咨询了一位资深的SQL高手，找到了这么一个函数hex(),可以把一个字符转化成十六进制，Hive也有对应的函数，效果如下：
mysql> select t1.airport,hex(t1.airport), t2.airport,hex(t2.airport) from t t1,t t2 where t1.airport != t2.airport and abs(t1.distant-t2.distant) < 100;
+---------+-----------------+---------+-----------------+
| airport | hex(t1.airport) | airport | hex(t2.airport) |
+---------+-----------------+---------+-----------------+
| b | 62 | a | 61 |
| c | 63 | a | 61 |
| a | 61 | b | 62 |
| c | 63 | b | 62 |
| a | 61 | c | 63 |
| b | 62 | c | 63 |
+---------+-----------------+---------+-----------------+
6 rows in set (0.00 sec)
这样我们就可以通过比较机场1和机场2的大小，来去掉重复值了
mysql> select t1.airport, t2.airport from t t1,t t2 where t1.airport != t2.airport and hex(t1.airport) < hex(t2.airport) and abs(t1.distant-t2.distant) < 100;
+---------+---------+
| airport | airport |
+---------+---------+
| a | b |
| a | c |
| b | c |
+---------+---------+
3 rows in set (0.00 sec)
最后再优化一下，结果如下：
mysql> select t1.airport, t2.airport from t t1,t t2 where hex(t1.airport) < hex(t2.airport) and abs(t1.distant-t2.distant) < 100;
+---------+---------+
| airport | airport |
+---------+---------+
| a | b |
| a | c |
| b | c |
+---------+---------+
3 rows in set (0.00 sec)
SQL并不复杂，没有太多表的join和子查询，但是之前遇到去掉重复值用distinct或者group by就可以解决了，这次貌似不太适用，所以记录一下，欢迎拍砖。
参考链接
https://dev.mysql.com/doc/refman/5.7/en/string-functions.html#function_hex
https://cwiki.apache.org/confluence/display/Hive/LanguageManual+UDF#LanguageManualUDF-Built-inFunctions
