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:
SELECT
sid, class_id
FROM
table2
GROUP BY sid ;
会报错:
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:
select sid,collect_set(class_id) from table2 group by sid;
结果是这样的:
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:
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
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;