用户clickstream由具有类型和事件时间戳属性的事件表示。例如：

userid  type        event_timestamp (yyyy-MM-ddThh:mm:ss.SSS)
01      install     2018-01-01T00:00:00.000
01      level_up    2018-01-15T00:00:00.000
01      new_item    2018-02-03T00:00:00.000

所有输入数据都存储在 event_timestamp 字段，例如进入 2018-01-01 , 2018-01-02 ... 它的文件夹。
对于do反规范化，有这样一个hackle（hive）（只是一个想法，语法没有检查）：

select userid,
    MIN(install_date),
    MIN(level_up_date),
    MIN(new_item_date)
from (
    select
        userid,
        CASE when type = 'install' then event_timestamp else null as install_date,
        CASE when type = 'level_up' then event_timestamp else null as level_up_date,
        CASE when type = 'new_item' then event_timestamp else null as new_item_date
        from event_table
) group by userid;

对所有数据执行此操作时，一切正常。但是分区呢？
当输入数据按 event_timestamp 并且只对新到达的数据执行处理（例如，单独处理输入分区），而不是1行，我得到3行（当然是在不同的分区中）：

userid  install_date  level_up_date new_item_date
 01      2018-01-01        null        null
 01      null           2018-01-15
 01      null              null     2018-02-03

而不是：

userid  install_date  level_up_date new_item_date
  01      2018-01-01    2018-01-15   2018-02-03

请注意，日期之间的时间间隔是无限的-用户发送 install 即使是今年和 level_up 明年。有什么共同的方法可以解决这个问题吗？理论上，我可以将不同的事件存储到不同的分区中，并在整个已处理的数据集中执行select userid、min（install\u date）、min（level\u up\u date）、min（new\u item\u date）。
但这是全数据集扫描。