介绍
零售商现在能将文件映射为表，但表可读不代表已经适合报表。有些状态值带多余空格，一个客户标识符缺失，另一个是空文本，一个价格未知，还有一个数量为零。忽略这些区别的查询可能选错行，或显示误导性的值。
你将构建一个小型审核队列：数量为正、价格已知的已付款行，状态文本经过规范化，并为缺失客户标识符显示明确默认值。缺失价格会被排除，不会替换为零。显示未知客户标签，不会创建真实客户记录，也不会改变源数据。
本实验使用独立的七行数据质量样本，不使用之前实验中的干净销售数据。你将先组合条件，再检查缺失值和简单函数，用 CASE 添加标签，最后改变一个条件检验理解。你已了解 SELECT、WHERE、ORDER BY 和 SQL 文件。所有服务和表数据均独立准备；请使用终端。
有意识地组合行条件
在这一步中，你将把数量检查与多个状态选项组合起来，并理解括号为什么重要。
进入项目目录：
cd /home/labex/project
查询之前先读取预置 CSV：
cat /home/labex/project/data/quality-orders.csv
表头之后有七条业务行。注意 r1 中 paid 两侧的空格、r2 和 r3 中的 \N 标记、r6 中的空客户字段，以及 r7 中的零数量。预置表将 \N 解释为 SQL NULL；空文本字段仍是空字符串。稍后会检查这些区别。
SQL 比较条件（例如 quantity > 0）会检查每一行。AND 要求两个条件都为真；OR 接受任一选项。括号将状态选项分组，防止数量为零的待付款行绕过数量检查。
使用已练习过的 SQL 文件方式保存首次筛选：
cat > /home/labex/project/queries/conditions.sql <<'SQL'
USE retail_filters;
SELECT order_id, quantity, order_status
FROM quality_orders
WHERE quantity > 0
AND (order_status = 'paid' OR order_status = 'pending')
ORDER BY order_id;
SQL
使用熟悉的 Beeline 连接和制表符分隔输出选项运行文件：
beeline -u 'jdbc:hive2://localhost:10000/default' -n labex --silent=true --showHeader=false --outputformat=tsv2 -f /home/labex/project/queries/conditions.sql > /home/labex/project/output/conditions.txt
读取结果：
cat /home/labex/project/output/conditions.txt
订单行应该为：
r2 1 paid
r3 1 paid
r4 1 pending
r6 1 paid
r7 虽然状态是待付款，但因数量而被排除。r1 被排除，是因为存储文本包含空格，不完全等于 'paid'。这个筛选还没有处理 r3 缺失价格的问题。每个条件解决一个具体问题；接下来的步骤会补齐缺少的部分。
区分缺失值和空文本
在这一步中，你将正确检查 NULL，并规范显示值，而不改变存储行。
NULL 表示缺失或未知值。它不是文本 'NULL'，也不是空字符串。请使用 IS NULL 或 IS NOT NULL 检查，不要使用 = NULL。
分别查询缺失和空的客户标识符。第一条语句选择 r2，第二条选择 r6：
beeline -u 'jdbc:hive2://localhost:10000/default' -n labex -e "SELECT order_id FROM retail_filters.quality_orders WHERE customer_id IS NULL; SELECT order_id FROM retail_filters.quality_orders WHERE customer_id = '';"
两个小函数可以让显示更清楚。TRIM(text) 移除字符串两端的空格。COALESCE(a,b) 返回第一个非 NULL 值，因此可在标识符为 NULL 时显示 'unknown'（未知）。它不替换空文本，也不修改底层表。
保存一个对全部七行应用这些函数的查看查询：
cat > /home/labex/project/queries/normalized-values.sql <<'SQL'
USE retail_filters;
SELECT order_id,
COALESCE(customer_id, 'unknown') AS customer_label,
TRIM(order_status) AS clean_status,
unit_price
FROM quality_orders
ORDER BY order_id;
SQL
运行它：
beeline -u 'jdbc:hive2://localhost:10000/default' -n labex --silent=true --showHeader=false --outputformat=tsv2 -f /home/labex/project/queries/normalized-values.sql > /home/labex/project/output/normalized-values.txt
读取记录：
cat /home/labex/project/output/normalized-values.txt
找到三个观察点：r1 现在显示不带填充空格的 paid，r2 显示客户标签 unknown，r6 的客户字段仍为空。r3 的价格为 NULL。对于这个审核队列，给缺失客户标签设置显示默认值是合适的，但虚构零价格会歪曲订单。最终筛选将排除未知价格。
添加标签并选择审核队列
在这一步中，你将添加易读的付款状态标签，并把行质量检查合并到一个查询中。
SQL CASE 表达式根据条件选择一个值。它按顺序判断 WHEN 分支，使用匹配的 THEN 值，没有分支匹配时使用 ELSE。你将把已付款行标为 Payment received（已收到付款），待付款行标为 Awaiting payment（等待付款），其他状态标为 Other status（其他状态）。
添加审核队列筛选之前，先预览全部行的标签：
beeline -u 'jdbc:hive2://localhost:10000/default' -n labex -e "SELECT order_id, CASE WHEN TRIM(order_status) = 'paid' THEN 'Payment received' WHEN TRIM(order_status) = 'pending' THEN 'Awaiting payment' ELSE 'Other status' END AS payment_label FROM retail_filters.quality_orders ORDER BY order_id;"
找到 r5，它的退款状态进入 ELSE 分支。r4 和 r7 被标为等待付款。状态标签只描述状态，本身不会验证数量或价格。
现在建立队列的完整规则：数量为正、价格已知、规范化状态为已付款。源客户标识符保持不变。在查询结果中，用 COALESCE 显示客户标签。显示结果不包含另一个原始标识符副本。保存查询：
cat > /home/labex/project/queries/filtered-orders.sql <<'SQL'
USE retail_filters;
SELECT order_id,
COALESCE(customer_id, 'unknown') AS customer_label,
TRIM(order_status) AS clean_status,
CASE
WHEN TRIM(order_status) = 'paid' THEN 'Payment received'
WHEN TRIM(order_status) = 'pending' THEN 'Awaiting payment'
ELSE 'Other status'
END AS payment_label
FROM quality_orders
WHERE quantity > 0
AND unit_price IS NOT NULL
AND TRIM(order_status) = 'paid'
ORDER BY order_id;
SQL
独立执行它：
beeline -u 'jdbc:hive2://localhost:10000/default' -n labex --silent=true --showHeader=false --outputformat=tsv2 -f /home/labex/project/queries/filtered-orders.sql > /home/labex/project/output/filtered-orders.txt
读取结果：
cat /home/labex/project/output/filtered-orders.txt
预期订单行如下：
r1 c1 paid Payment received
r2 unknown paid Payment received
r6 paid Payment received
r6 的客户显示字段留空是有意的：它是空文本而不是 NULL。r1 的状态去掉两端空格后被包含。r3 因价格未知而排除，待付款、已退款和零数量的行也不在此队列中。你明确了目标行，没有把缺失价格假装成零。
改变一个条件并预测结果
在这一步中，你将对待付款订单队列重用相同显示表达式和质量规则。
运行前先预测：如果只将最后的状态条件改为 pending，结果是什么？r4 的数量为正且价格已知，r7 的数量为零。应该只剩 r4，其 CASE 标签应为 Awaiting payment。
保持第一个查询完整，并保存第二个文件。所选表达式和质量检查都不变，只有最后的 WHERE 状态值不同：
cat > /home/labex/project/queries/pending-review.sql <<'SQL'
USE retail_filters;
SELECT order_id,
COALESCE(customer_id, 'unknown') AS customer_label,
TRIM(order_status) AS clean_status,
CASE
WHEN TRIM(order_status) = 'paid' THEN 'Payment received'
WHEN TRIM(order_status) = 'pending' THEN 'Awaiting payment'
ELSE 'Other status'
END AS payment_label
FROM quality_orders
WHERE quantity > 0
AND unit_price IS NOT NULL
AND TRIM(order_status) = 'pending'
ORDER BY order_id;
SQL
运行它：
beeline -u 'jdbc:hive2://localhost:10000/default' -n labex --silent=true --showHeader=false --outputformat=tsv2 -f /home/labex/project/queries/pending-review.sql > /home/labex/project/output/pending-review.txt
读取输出：
cat /home/labex/project/output/pending-review.txt
预期订单行如下：
r4 c1 pending Awaiting payment
表没有改变；查询选择了另一组行，现有 CASE 表达式选出了对应标签。下个实验中，你将在正确选出的行上建立总计，不会一下子同时引入数据质量规则和首次聚合。
总结
你使用 AND、OR 和括号组合条件，区分 NULL 与空文本，并用 TRIM 和 COALESCE 明确控制显示行为。你添加了 CASE 标签，定义了审核队列，没有虚构金额或改变源数据。
只修改一个条件，就在保留质量检查的同时生成了预测中的待付款队列。接下来，你将对干净且有意选择的订单行进行聚合，形成销售指标。
