select count(rawSnapshot) from tmp.tmp_dm_event_cashLoanEvent_di_01_${zdt.addDay(-1).format("yyyyMMdd")} where rawSnapshot is not null语法对不对

这同样是一个 SQL 查询语句，语法也是正确的。该语句从 `tmp_dm_event_cashLoanEvent_di_01` 表中查询昨天的数据，其中 `zdt.addDay(-1).format("yyyyMMdd")` 是一个日期格式化表达式，用于获取昨天的日期。查询条件为 `rawSnapshot is not null`，即只查询 `rawSnapshot` 列不为空的数据，并使用 `count` 函数统计符合条件的行数。

相关问题

select rawSnapshot from tmp.tmp_dm_event_cashLoanEvent_di_01_${zdt.addDay(-1).format("yyyyMMdd")} group by rawSnapshot having count(1)代码对不对

该 SQL 查询语句是合法的，但是存在一些问题。首先，`group by` 子句必须指定聚合函数，例如 `count`、`sum` 等，否则会导致语法错误。其次，`having` 子句用于过滤分组后的结果，需要基于聚合函数的结果进行过滤，例如 `having count(1) > 1` 表示只查询分组后数量大于 1 的数据。

因此，如果你想要查询昨天的 `tmp_dm_event_cashLoanEvent_di_01` 表中不重复的 `rawSnapshot` 列数据，你可以使用以下查询语句：

SELECT DISTINCT rawSnapshot 
FROM tmp.tmp_dm_event_cashLoanEvent_di_01_${zdt.addDay(-1).format("yyyyMMdd")} 
WHERE rawSnapshot IS NOT NULL

这个查询语句将返回昨天 `tmp_dm_event_cashLoanEvent_di_01` 表中不重复的 `rawSnapshot` 列数据。

set hive.exec.dynamic.partition.mode=nonstrict; set hive.exec.parallel=true; set hive.exec.parallel.thread.number=30; --drop table if exists dm_finrisk.dm_event_walletSettleSuccessEvent_di; create table if not exists dm_finrisk.dm_event_cashLoanEvent_di( event_uuid string ,event_code string ,dt string ,event_time string ,rawSnapshot string ) COMMENT 'cashLoanEvent' PARTITIONED BY ( day bigint)stored as parquet; drop table if exists tmp.tmp_dm_event_cashLoanEvent_di_01_${zdt.addDay(-1).format("yyyyMMdd")}; create table if not exists tmp.tmp_dm_event_cashLoanEvent_di_01_${zdt.addDay(-1).format("yyyyMMdd")} as select uuid as event_uuid ,event as event_code ,from_unixtime(unix_timestamp(cast(day as string),'yyyymmdd'),'yyyy-mm-dd') as dt ,from_unixtime(cast(cast(`time` AS BIGINT)/1000 AS BIGINT),'yyyy-MM-dd HH:mm:ss') as event_time ,get_json_object(data,'$.hotPublish.rawSnapshot') as rawSnapshot from dm_finrisk.ods_event_hdfs_snapshot_di where code = 'shield@cashLoanEvent' and day=${zdt.addDay(-1).format("yyyyMMdd")} drop table if exists tmp.tmp_dm_event_cashLoanEvent_di_02_${zdt.addDay(-1).format("yyyyMMdd")}; create table if not exists tmp.tmp_dm_event_cashLoanEvent_di_02_${zdt.addDay(-1).format("yyyyMMdd")} as select event_uuid ,event_code ,dt ,event_time ,rawSnapshot from tmp.tmp_dm_event_cashLoanEvent_di_01_${zdt.addDay(-1).format("yyyyMMdd")}; alter table dm_finrisk.dm_event_cashLoanEvent_di drop if exists partition (day = ${zdt.addDay(-1).format("yyyyMMdd")}); insert overwrite table dm_finrisk.dm_event_cashLoanEvent_di partition (day = ${zdt.addDay(-1).format("yyyyMMdd")}) select event_uuid ,event_code ,dt ,event_time ,rawSnapshot from tmp.tmp_dm_event_cashLoanEvent_di_02_${zdt.addDay(-1).format("yyyyMMdd")}分析下上面代码

上面的代码主要是一个HiveQL脚本，用于从`dm_finrisk.ods_event_hdfs_snapshot_di`表中提取`code`为`shield@cashLoanEvent`且`day`为昨天日期的数据，并将其存储到`dm_finrisk.dm_event_cashLoanEvent_di`表中的对应分区中。

具体来说，该脚本的执行步骤如下：

1. 第1行：设置Hive执行参数，包括动态分区模式、并行执行和并行执行线程数等。

2. 第3-8行：创建`dm_finrisk.dm_event_cashLoanEvent_di`表，该表包含5个列，分别为`event_uuid`、`event_code`、`dt`、`event_time`和`rawSnapshot`，其中`dt`为分区列。

3. 第10-15行：创建临时表`tmp.tmp_dm_event_cashLoanEvent_di_01_${zdt.addDay(-1).format("yyyyMMdd")}`，该表从`dm_finrisk.ods_event_hdfs_snapshot_di`表中选择`code`为`shield@cashLoanEvent`且`day`为昨天日期的记录，并将其中的`uuid`、`event`、`day`、`time`和`data`字段分别映射到`event_uuid`、`event_code`、`dt`、`event_time`和`rawSnapshot`列中。

4. 第17-22行：创建临时表`tmp.tmp_dm_event_cashLoanEvent_di_02_${zdt.addDay(-1).format("yyyyMMdd")}`，该表从临时表`tmp.tmp_dm_event_cashLoanEvent_di_01_${zdt.addDay(-1).format("yyyyMMdd")}`中选择所有列，用于后续的数据处理。

5. 第24行：如果`dm_finrisk.dm_event_cashLoanEvent_di`表中昨天的分区已经存在，则删除该分区。

6. 第26-27行：将临时表`tmp.tmp_dm_event_cashLoanEvent_di_02_${zdt.addDay(-1).format("yyyyMMdd")}`中的数据插入到`dm_finrisk.dm_event_cashLoanEvent_di`表的昨天分区中。

整个脚本的作用是将来自`dm_finrisk.ods_event_hdfs_snapshot_di`表的特定数据提取出来，并存储到`dm_finrisk.dm_event_cashLoanEvent_di`表的对应分区中，以便后续的分析和查询。