Hive与Presto中的列转行区别

Hive与Presto列转行的区别

1、背景描述

在处理数据时，我们经常会遇到一个字段存储多个值，这时需要把一行数据转换为多行数据，形成标准的结构化数据

例如，将下面的两列数据并列转换为三行，使得

code

和

name

一一对应
idcodename1a、b、cA、B、C
Hive、Spark和Presto都提供了这种实现，但有所不同。下面通过这个案例介绍三者之间的区别及注意事项

2、Hive/Spark列转行

Hive和Spark都可以使用

lateral view posexplode

实现：

select id, pos1, sub_code, pos2, sub_name from tmp
lateral view posexplode(split(code,'、')) v1 as pos1, sub_code
lateral view posexplode(split(name,'、')) v2 as pos2, sub_name
where id='1'and pos1=pos2

Hive On MapReduce与Hive On Spark的执行结果如下：
idsub_codesub_name1aA1bB1cC
值得注意的是，

lateral view posexplode

会自动过滤被转换列字段值为空的数据，进而导致数据丢失

优化方案是将

lateral view

修改为

lateral view outer

后尝试

更多关于

lateral view UDTF

的使用见文章：传送门

3、Presto列转行

使用PrestoSQL的交叉连接

cross join unnest

实现：

with t1 as(select id,sub_code,row_number()over() rn
    fromtempcrossjoin unnest(split(code,'、'))as t (sub_code)where id='1'),
t2 as(select id,sub_name,row_number()over() rn
    fromtempcrossjoin unnest(split(name,'、'))as t (sub_name)where id='1')select t1.id, t1.sub_code, t2.sub_name
from t1
leftjoin t2 
on t1.rn = t2.rn
orderby t1.rn

PrestoSQL的执行结果如下：
idsub_codesub_name1bB1aA1cC
需要注意的是，

cross join unnest

不会自动过滤被转换列和转换列字段值为空的数据，因此此方式数据不会丢失

例如，当转换列字段值存在空值时：
idcodename1a、b、cA、B

cross join unnest

列转行的结果为
idsub_codesub_name1aA1cNULL1bB
当被转换列字段值存在空值时：
idcodename1a、b、cNULL

cross join unnest

列转行的结果为
idsub_codesub_name1bNULL1aNULL1cNULL