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：

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：

1. Hive不允许直接访问非group by字段；
2. 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；
3. 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

您可能也喜欢：
hive从查询中获取数据插入到表或动态分区	Hive开发中使用变量的两种方法	Hive使用TRANSFORM运行Python脚本总结	HIVE的几个使用技巧	Firefox数据采集插件大全
无觅