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
<code>SELECT sid, class_id FROM table2 ievGROUP BY sid ;/<code>
会报错：
<code>SELECT/<code>
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：
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：
<code>select sid,collect_set(class_id) from table2 group by sid;/<code>
结果是这样的：
[11,12,13]
[11,14]
[12,15]
[12,13]
[16,14]
[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：
<code>select sid,collect_set(class_id)[0] from table2 group by sid;/<code>
结果如下：
1 11
2 11
3 12
4 12
5 16
713
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://wangjunle23.blog.163.com/blog/static/117838171201310222309391/
本文地址：http://www.crazyant.net/1600.html
分享到:
