Hive---collect_list和collect_set

collect_list 和 collect_set 都是实现将某一列合并成一行（列转行）的作用。

二者区别：

• collect_list ： 返回包含重复元素的集合
• collect_set ：返回去除重复元素的集合
  

如何实现列转行的呢

举个例子

首先建个表

create table user_film(
user_name string,
film_name string
)partitioned by(day string)
row format delimited
fields terminated by '\t';

加载数据

uf.txt

Tom     生活大爆炸
Jack    武林外传
Tom     巧克力工厂
Mike    武林外传
Jack    超人总动员2
Jack    寻屋环游记
Mike    蜘蛛侠
Mike    武林外传

load data local inpath '/opt/tmp/uf.txt' into table user_film partition(day = '2021-06-06');

查看数据

查看每个用户看过的 film

1. collect_list

select user_name,collect_list(film_name) films from user_film group by user_name;

可以看到Mike 那行出现了两个 武林外传，如果我们不想这样怎么办，那就用下面的

2. collect_set

select user_name,collect_set(film_name) films from user_film group by user_name;

【注意：当使用 collect_list 或者collect_set 函数时，是不需要将字段写入group by 中的】

可是有人不想要两边的框【】，而且不想看到引号，最好能换个分隔符，怎么弄？

答：那就需要 concat_ws

• concat ：字符串拼接，大家比较熟悉了，但是拼接到 NULL 的时候，整个都为 NULL
• concat_ws ：字符串拼接，指定分割符，而且拼到为NULL的也不影响

concat

concat_ws

使用concat_ws进行处理

select user_name,concat_ws("|",collect_set(film_name)) films fromuser_name;