0


Hive集合函数 collect_set 和 collect_list 使用示例

Hive集合函数 collect_set 和 collect_list 使用示例

在Hive中, collect_set 和 collect_list 是用于收集数据并将其存储为集合的聚合
函数。以下是它们的语法:

1. collect_set(expression)
    -  expression : 要收集的数据表达式。
    collect_set 函数用于将指定列中的唯一值收集到一个集合中,并去除重复值。
2.  collect_list(expression)
    -  expression : 要收集的数据表达式。
    collect_list 函数用于将指定列中的所有值按照顺序收集到一个列表中,保留所有值的顺序。

这两个函数通常用于在聚合查询中收集数据,以便在结果集中以集合的形式表示。
1. 创建student_scores表,向student_scores表中插入数据
CREATE TABLE student_scores(
    id         INT,
    name       STRING,
    score      INT,
    group_name STRING
);
INSERT OVERWRITE TABLE student_scores
VALUES(1,'Jack',96,'A组'),(2,'John',90,'A组'),(5,'Lucy',97,'A组'),(4,'Caocao',96,'B组'),(3,'Lvbu',99,'B组');
2. 使用collect_set函数收集唯一的组名
SELECT collect_set(group_name) AS unique_groups FROM student_scores;

执行结果:
['A组','B组']

3. 使用collect_list函数将所有学生姓名收集到列表中

代码如下:

SELECT collect_list(name) AS all_student_names FROM student_scores;

执行结果:
['Jack','John','Lucy','Caocao','Lvbu']
4. collect_set 和 collect_list 是Hive中用于聚合数据的集合函数,它们在处理数据时有不同的使用场景:
  1. collect_set使用场景: - 用于获取唯一值: collect_set 函数用于聚合数据并返回唯一值的集合,去除重复的值,适用于需要获取唯一值的场景。- 数据去重:当需要对数据进行去重操作时,可以使用 collect_set 函数来确保结果中不包含重复的元素。- 统计不同值的个数:通过对数据集合使用 collect_set 函数,可以快速统计不同值的个数,而不关心具体重复值的数量。
  2. collect_list使用场景: - 保留所有值: collect_list 函数用于聚合数据并返回包含所有值的列表,保留数据集中的所有元素,适用于需要保留所有值的场景。- 数据聚合:当需要将数据集中的所有值聚合到一个列表中时,可以使用 collect_list 函数来合并数据,保留所有元素。- 保留数据顺序: collect_list 保留数据的原始顺序,将数据按照出现顺序聚合到列表中,适用于需要保留数据顺序的情况。

综上所述, collect_set 适用于获取唯一值和数据去重的场景,而 collect_list 适用于保留所有值和数据聚合的情况。根据具体需求和数据处理目标,选择合适的函数来实现数据的聚合和处理。


本文转载自: https://blog.csdn.net/qq_36382892/article/details/136719504
版权归原作者 公子乂 所有, 如有侵权,请联系我们删除。

“Hive集合函数 collect_set 和 collect_list 使用示例”的评论:

还没有评论