Hive数仓操作（十二）

一、Hive 中的行列转换

1. 行转列： collect_list()

collect_list() 函数用于将一个列中的数据收集成一个数组。

示例数据文件

假设有一个名为 orders.txt 的文件，内容如下：

1,101
1,101
1,103
2,104
2,105

导入数据到 Hive 表

首先，我们创建一个表 orders 并将数据导入到该表中：

-- 创建表
CREATE TABLE orders (
    user_id INT,
    order_id INT
)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY ',';

-- 加载数据
LOAD DATA LOCAL INPATH '/path/to/orders.txt' INTO TABLE orders;

然后，我们可以使用 collect_list() 函数收集每个用户的订单 ID：

SELECT
    user_id,
    collect_list(order_id) as order_ids
FROM
    orders
GROUP BY
    user_id;

示例结果

user_id	order_ids
1	[101, 101, 103]
2	[104, 105]

2. 行转列：collect_set()

collect_set() 函数类似于 collect_list()，但它会移除数组中的重复值。

示例数据文件

使用同一个 orders.txt 文件。

导入数据到 Hive 表

数据已经导入过，因此我们直接使用 collect_set() 函数：

SELECT
    user_id,
    collect_set(order_id) as unique_order_ids
FROM
    orders
GROUP BY
    user_id;

示例结果

user_id	unique_order_ids
1	[101, 103]
2	[104, 105]

3. 列转行：explode()

explode() 函数用于将数组里的元素拆分开来，并用行展示。通常与 lateral view 函数搭配使用。

示例数据文件

假设有一个名为 user_interests.txt 的文件，内容如下：

1,sports,music,art
2,reading,travel

导入数据到 Hive 表

使用 explode() 函数炸裂拆分：

SELECT
    user_id,
    interest
FROM
    user_interests
LATERAL VIEW
    explode(split(interests, ',')) exploded_table AS interest;
-- 加载数据
LOAD DATA LOCAL INPATH '/path/to/user_interests.txt' INTO TABLE user_interests;

示例结果

user_id	interest
1	sports
1	music
1	art
2	reading
2	travel

---

二、Hive 收集切割

1. split()

split() 函数用于将一个字符串按照指定的分隔符切割成一个数组。

示例数据文件

user_interests.txt 的文件，内容如下：

1,sports,music,art
2,reading,travel

导入数据到 Hive 表

表 user_interests 已创建，然后，使用 split() 将兴趣字符串分割成数组：

SELECT
    user_id,
    split(interests, ',') as interest_array
FROM
    user_interests;

示例结果

user_id	interest_array
1	["sports", "music", "art"]
2	["reading", "travel"]

2. split()常和concat_ws() 一起使用

concat_ws() 是一个字符串函数，用于将多列的值合并成一个字符串，使用指定的分隔符。split() 函数则用于将字符串按照指定的分隔符切割成一个数组。

示例数据文件

假设有一个名为 user_info.txt 的文件，内容如下：

1,John,Doe,john.doe@example.com
2,Jane,Smith,jane.smith@example.com

导入数据到 Hive 表

首先，我们创建一个表 user_info 并将数据导入到该表中：

-- 创建表
CREATE TABLE user_info (
    user_id INT,
    first_name STRING,
    last_name STRING,
    email STRING
)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY ',';

-- 加载数据
LOAD DATA LOCAL INPATH '/path/to/user_info.txt' INTO TABLE user_info;

然后，使用 concat_ws() 将多列的值合并成一个字符串，并使用 split() 将这个字符串拆分成数组：

SELECT
    user_id,
    split(concat_ws(',', first_name, last_name, email), ',') as info_array
FROM
    user_info;

示例结果

user_id	info_array
1	["John", "Doe", "john.doe@example.com"]
2	["Jane", "Smith", "jane.smith@example.com"]

---

更多细节可参考我的sql题专栏中的炸裂函数与恢复

经典sql题（十三）炸裂对应学生的姓名和成绩
经典sql题（十四）炸裂函数的恢复