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：
SELECTuser_id,collect_list(order_id) as order_ids
FROMorders
GROUP BYuser_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：
SELECTuser_id,collect_set(order_id) as unique_order_ids
FROMorders
GROUP BYuser_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：
SELECTuser_id,interest
FROMuser_interests
LATERAL VIEWexplode(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：
SELECTuser_id,split(interests, ',') as interest_array
FROMuser_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：
SELECTuser_id,split(concat_ws(',', first_name, last_name, email), ',') as info_array
FROMuser_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