Hive笔记之collect_list/collect_set(列转行)
2024-08-24 16:43:07
Hive中collect相关的函数有collect_list和collect_set。
它们都是将分组中的某列转为一个数组返回,不同的是collect_list不去重而collect_set去重。
做简单的实验加深理解,创建一张实验用表,存放用户每天点播视频的记录:
create table t_visit_video (
username string,
video_name string
) partitioned by (day string)
row format delimited fields terminated by ',';
在本地文件系统创建测试数据文件:
张三,大唐双龙传
李四,天下无贼
张三,神探狄仁杰
李四,霸王别姬
李四,霸王别姬
王五,机器人总动员
王五,放牛班的春天
王五,盗梦空间
将数据加载到Hive表:
load data local inpath '/root/hive/visit.data' into table t_visit_video partition (day='20180516');
按用户分组,取出每个用户每天看过的所有视频的名字:
select username, collect_list(video_name) from t_visit_video group by username ;
但是上面的查询结果有点问题,因为霸王别姬实在太好看了,所以李四这家伙看了两遍,这直接就导致得到的观看过视频列表有重复的,所以应该增加去重,使用collect_set,其与collect_list的区别就是会去重:
select username, collect_set(video_name) from t_visit_video group by username;
李四的观看记录中霸王别姬只出现了一次,实现了去重效果。
突破group by限制
还可以利用collect来突破group by的限制,Hive中在group by查询的时候要求出现在select后面的列都必须是出现在group by后面的,即select列必须是作为分组依据的列,但是有的时候我们想根据A进行分组然后随便取出每个分组中的一个B,代入到这个实验中就是按照用户进行分组,然后随便拿出一个他看过的视频名称即可:
select username, collect_list(video_name)[0] from t_visit_video group by username;
video_name不是分组列,依然能够取出这列中的数据。
.
最新文章
- PHP入门part4
- AD管理命令
- Java中的三目运算符 详解
- 利用IKVM在C#中调Java程序
- Python的Ftplib问题:UnicodeEncodeError: 'latin-1' codec can't encode characters的解决方法
- JS瀑布流效果
- IOS开发-OC学习-protocol(协议)
- 【Unity3d游戏开发】游戏中的贝塞尔曲线以及其在Unity中的实现
- Windows 修改电脑属性(一)
- BST(二叉搜索树)相关
- 5G到来,App的未来,是JavaScript,Flutter还是Native ?
- UVA 10791 -唯一分解定理的应用
- 51nod 1101 换零钱 (完全背包)
- free命令常用参数详解
- Vim 学习
- Ubuntu16.04 python import cv2
- springmvc+mybatis 构建cms+UC浏览器文章功能
- spring mvc 提交表单汉字乱码
- Nginx服务状态的监控
- 【大数据之数据仓库】kudu性能测试报告分析