SparkSQL中使用concat_ws函数报错：cannot resolve 'concat_ws(,,(hiveudaffunction...

一、报错信息

Exception in thread "main" org.apache.spark.sql.AnalysisException: cannot resolve 'concat_ws(,,(hiveudaffunction(HiveFunctionWrapper(org.apache.hadoop.hive.ql.udf.generic.GenericUDAFCollectSet,org.apache.hadoop.hive.ql.udf.generic.GenericUDAFCollectSet@1208707b),SF_ID,false,0,0),mode=Complete,isDistinct=false))' due to data type mismatch: argument 2 requires (array<string> or string) type, however, 'hiveudaffunction(HiveFunctionWrapper(org.apache.hadoop.hive.ql.udf.generic.GenericUDAFCollectSet,org.apache.hadoop.hive.ql.udf.generic.GenericUDAFCollectSet@1208707b),SF_ID,false,0,0)' is of array<decimal(38,18)> type.; line 1 pos 72
    at org.apache.spark.sql.catalyst.analysis.package$AnalysisErrorAt.failAnalysis(package.scala:42)

二、报错原因分析

1. 分析SQL语句

 select t1.ACTIVITY_ID,concat_ws(',',collect_set(t1.SF_ID)) as SF_IDS
        from str_template_rel t1
        group by t1.ACTIVITY_ID;

使用DBVisualizer客户端连接Spark（参考博文：https://blog.csdn.net/u011817217/article/details/81673101），将SQL语句拆解初步排查问题。

1）排查是否为表数据问题

发现源表中activity_id字段数据没有问题；

发现源表中sf_id字段中部分数据值为null，初步怀疑是不是null影响了concat_ws函数的使用；

于是对SQL语句进行改进：

还是报同样的错误。

 

2）排查是否为concat_ws函数使用不规范问题

collect_set中不使用表中的字段而是使用固定的值，如下：

这次从错误Message中发现了一条重要信息：due to data type mismatch, requires (array<string> or string) type。

如梦初醒，原来collect_set中填入的必须是string类型，测试下：

果不其然，把数值1加上单引号后，再次执行SQL没有报错：

所以，问题出在t1.SF_ID字段类型上。

3）t1.SF_ID字段类型

查看str_template_rel表的结构描述，如下：

sf_id字段是数值类型。

 

三、解决方案

既然发现问题是出在sf_id字段的类型上，需要将数值类型转换为字符类型。

于是对SQL语句进行改造：

 select t1.ACTIVITY_ID,concat_ws(',',collect_set(cast(t1.SF_ID as string))) as SF_IDS
        from str_template_rel t1
        where t1.SF_ID is not null
        group by t1.ACTIVITY_ID;

完美解决！！！

反思：concat_ws函数中collect_set传入的值必须为string类型。