Hive取非Group by字段数据的方法
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 ql语句:
1 2 3 4 5 6 | SELECT sid, class_id FROM table2 GROUP BY sid ; |
会报错:
1 | FAILED: Error in semantic analysis: Line 1:18 Expression not in GROUP BY key 'class_id' |
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:
1 2 3 | 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:
1 | select sid,collect_set(class_id) from table2 group by sid; |
结果是这样的:
1 2 3 4 5 6 | 1 [11,12,13] 2 [11,14] 3 [12,15] 4 [12,13] 5 [16,14] 7 [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:
1 | select sid,collect_set(class_id)[0] from table2 group by sid; |
结果如下:
1 2 3 4 5 6 | 1 11 2 11 3 12 4 12 5 16 7 13 |
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://www.crazyant.net/1600.html