一、介绍
在 Hive 中想实现按某字段分组，对另外字段进行合并，可通过 collect_list 或者 collect_set 实现。
它们都是将分组中的某列转为一个数组返回，其中区别在于：
- collect_list -- 不去重
- collect_set -- 去重
有点类似于 Python 中的列表、集合。
二、实操
1.创建测试表
create table table_tmp(
id string,
classes string
) partitioned by (month string)
row format delimited fields terminated by ',';
2.本地文件
1,a
1,b
2,a
2,b
2,a
2,c
3,a
3,c
3.数据加载Hive表
load data local inpath '/root/data/id.data' into table table_tmp partition (month='202201');
4.分组
select id,
collect_list(classes) as col_001
from table_tmp
group by id;
5.concat_ws + collect_list 实现不去重合并
select id,
concat_ws('-', collect_list(cast(col_001 as string))) as col_concat
from table_tmp
group by id;
6.concat_ws + collect_set 实现去重合并
select id,
concat_ws('-', collect_set(cast(col_001 as string))) as col_concat
from table_tmp
group by id;
三、其他
1.突破group by限制
可以利用 collect 突破 group by 的限制，分组查询的时候要求出现在 select 后面的列都必须是分组的列。
但有时候我们想根据某列进行分组后，随机抽取另一列中的一个值，即可通过以下实现：
select id
collect_list(classes)[0] as col_001
from table_tmp
group by id;
有种类似于 Python 中索引切片的感觉。
2.concat_ws语法
concat_ws(separator, str1, str2, ...)
concat_ws(separator, [str1, str2, ...])