hive sql - 如何选择 hive 数组列中的前 n 个元素并返回选定的数组

表数据如下：

user_id  interest_array
tom      [a,b,c,d,g,w]
bob      [e,d,s,d,g,w,s]
cat      [a]
harry    []
peter    NULL

目的是按顺序选择每行“interest_array”中的前 3 个元素并将其作为数组返回，输出如下：

user_id  output_array
tom      [a,b,c]
bob      [e,d,s]
cat      [a]
harry    []
peter    NULL

实现方式

1、简单的方法，但如果初始数组可以包含较少的元素（结果数组将包含NULL），它将无法正常工作。

with mydata as(
    select array('a','b','c','d','g','w') as original_array
    )
    select original_array, array(original_array[0], original_array[1], original_array[2]) as first_3_array
    from mydata

结果:

original_array              first_3_array
["a","b","c","d","g","w"]   ["a","b","c"]

2、另一种使用explode的方法，适用于任何数组：

使用poseexplode分解数组，过滤位置<=2，再次收集数组：

with mydata as(
select array('a','b','c','d','g','w') as original_array
)

select original_array, collect_list(e.element) as first_3_array
from mydata
     lateral view outer posexplode(original_array) e as pos, element
where pos<=2
group by original_array

结果:

original_array              first_3_array
["a","b","c","d","g","w"]   ["a","b","c"]

3、更高效的方法，不爆炸：用逗号分隔符连接数组，使用regexp提取最多3个第一个元素的子串，再次拆分：

with mydata as(
select array('a') as original_array
)

select original_array, split(regexp_replace(regexp_extract(concat_ws(',', original_array),
                                                           '^(([^,]*,?){1,3})',1),
                                            ',$','') --remove last delimiter
                             ,',') as first_3_array
from mydata