遇到这么一个需求,输入数据为一个ID对应多个name,要求输出数据为ID是唯一的,name随便取一个就可以。
执行以下hive
SELECT
sid,
??class_id
FROM
??table2
ievGROUP?BY?sid?;
会报错:
SELECT
查了一下,HIVE有这么一个函数collect_set,类似于mysql的group_concat函数,把每个分组的其他字段,按照逗号进行拼接,得到一个最终字符串:
collect_set(col)
返回类型:array
解释:返回一个去重后的对象集合
将上述的QL语句改一下:
select?sid,collect_set(class_id)?from?table2?group?by?sid;
结果是这样的:
[11,12,13]
[11,14]
[12,15]
[12,13]
[16,14]
[13,15]
这个时候,我们就可以针对第二列做一些计数、求和操作,分别对应到Hive的聚合函数count、sum。
对应到本文的目的,直接从数组获取第一个元素就达到目的了,这样做:
select?sid,collect_set(class_id)[0]?from?table2?group?by?sid;
结果如下:
1 11
2 11
3 12
4 12
5 16
713
总结:
- Hive不允许直接访问非group by字段;
- 对于非group by字段,可以用Hive的collect_set函数收集这些字段,返回一个数组;
- 使用数字下标,可以直接访问数组中的元素;
参考文章:http://wangjunle23.blog.163.com/blog/static/117838171201310222309391/
本文地址:http://www.crazyant.net/1600.html