SQL 选择通过至少一个公共(public)属性值与记录相交？

Question

我有一个包含两个字段的表:

+-----+---------+
| id  | feature |
+-----+---------+
| x1  |  f1     |
| x1  |  f5     |
| x2  |  f3     |
| x3  |  f1     |
| x4  |  f5     |
| x4  |  f2     |
| x5  |  f3     |
| x6  |  f4     |
+-----+---------+

问题:

1) 如何编写 select 将 id 分组到具有相同 feature-s 的集合中，如下所示:S1 = {x1, x3}, S2 = {x1,x4}, S3 = {x2, x5}, S4 = {x2, x5}

2) 如何编写 select 以返回所有 id-s 至少与一个特征相交的集合？如何获得所有这些套装？在此示例中，结果应为:S5 = {x1, x3, x4} 和 S6 = {x2, x5}

3) 了解支持一些基本 SQL 子集的 Hadoop Hive 的查询格式也很棒。

Answer 1

执行第二种操作的最简单方法可能是自连接，如果数据集不是太大，这是可行的

SELECT t1.id, t2.id, collect_set( feature ) features
FROM
  ( SELECT id, feature FROM mytable ) t1
JOIN
  ( SELECT id, feature FROM mytable ) t2
ON
  ( t1.feature = t2.feature )
WHERE 
   t1.id < t2. id
GROUP BY t1.id, t2.id;

请务必包含 where 子句以将输出减半。