Hive取非Group by字段数据的方法【转载】

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；