HIVE SQL 根据主键去重并实现其余字段分组聚合

相同个人id下所有字段按时间顺序补位,取首个不为空值

c 复制代码
--数据建表
drop table if exists db.tb_name;
create table if not exists db.tb_name
( id string
	,name string
	,tele string
	,email string
	,`date` string
)
;
insert overwrite table db.tb_name
values 
("32001","张三","23456789",null,"2023-07-18")
,("32001",null,null,"23456789@163.com","2023-07-19")
,("32002","李四",null,"23456876@qq.com","2023-07-18")
,("32003","王二",null,null,"2023-07-18")
,("32003",null,"9876789",null,"2023-06-18")
,("32003",null,null,"9876789@gmail.com","2023-07-18")
,("32004","刘五","987456798",null,"2023-07-18")
,("32004","刘七","1987456798",null,"2023-07-20")
;
c 复制代码
--distribute by 分区排序:类似MR中partition,进行分区,结合sort by使用

drop table if exists db.tb_name_new;
create table if not exists db.tb_name_new as
select id 
	,collect_list(`name`)[0] as `name`
	,collect_list(`tele`)[0] as `tele`
	,collect_list(`email`)[0] as `email`
	,collect_list(`date`)[0] as `date`
from 
(
select id
	,name
	,tele
	,email
	,`date`
from 
db.tb_name
distribute by id 
sort by id,`date` desc
) t 
group by id
;

*注意:此处是取的首个不为空(即不为null)的字段,所以在实际使用过程中应提前将空字符串转为null值。

c 复制代码
--剔除字符串中的不可见字符,若该字段中均为不可见字符或该字段为空字符串,则转为空
case when length(regexp_replace(col_name,'[\\x00-\\x08\\x0B-\\x0C\\x0E-\\x1F]+|\\s+',''))>0 
	then regexp_replace(col_name,'[\\x00-\\x08\\x0B-\\x0C\\x0E-\\x1F]+|\\s+','')
	else null end as new_col_name
相关推荐
伴生伴熟1 小时前
hive-日期拆分为多行
hive·拆分·日期
beijingliushao8 小时前
32-Hive SQL DML语法之查询数据
数据库·hive·sql
weixin_3077791316 小时前
C#实现Hive到Snowflake数据迁移
开发语言·数据仓库·hive·c#
beijingliushao16 小时前
27-数据仓库与Apache Hive-2
数据仓库·hive·hadoop
beijingliushao16 小时前
31-数据仓库与Apache Hive-Insert插入数据
数据仓库·hive·apache
六毛的毛20 小时前
Langchain入门:构建一个基于SQL数据的问答系统
数据库·sql·langchain
程序员小羊!2 天前
Hadoop HDFS 3.3.4 讲解~
大数据·hadoop·hdfs
花菜会噎住2 天前
数据库入门:从零开始构建你的第一个数据库
数据库·sql·oracle
山茶花开时。2 天前
[Oracle] DECODE()函数
数据库·sql·oracle
程序员小羊!2 天前
Hadoop MapReduce 3.3.4 讲解~
大数据·hadoop·mapreduce