hive case when 和osort by 和group by使用记录

本文探讨了Hive中的order by、sort by和distribute by的区别,强调了在不需要全局排序时sort by的高效性。通过示例展示了如何使用distribute by确保相同年份的行被分配到同一个reducer。同时,针对ID与多个name的情况,介绍了如何利用Hive的case when和collect_set函数处理数据,确保ID唯一并获取任意name。最后,提到可以通过数组下标访问collect_set函数返回的数组元素,实现特定需求。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1、 当某个字段应用了case when 条件并且使用了or, 且where查询条件的里正好有该字段,查询结果会出错
针对查询一出现问题,修改下SQL, 将case when then else end, 改成case when then when then else end即可
2、

Order by 能够预期产生完全排序的结果,但是它是通过只用一个reduce来做到这点的。所以对于大规模的数据集它的效率非常低。在很多情况下,并不需要全局排序,此时可以换成Hive的非标准扩展sort by。Sort by为每个reducer产生一个排序文件。在有些情况下,你需要控制某个特定行应该到哪个reducer,通常是为了进行后续的聚集操作。Hive的distribute by 子句可以做这件事。


  1. // 根据年份和气温对气象数据进行排序,以确保所有具有相同年份的行最终都在一个reducer分区中  
  2.   
  3. From record2  
  4. select year, temperature  
  5. distribute by year  
  6. sort by year asc, temperature desc;  

因此,distribute by 经常和 sort by 配合使用。
3、

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 ;
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'

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(col)
返回类型:array
解释:返回一个去重后的对象集合

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;

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]
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;

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
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;
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值