hive的concat()、concat_ws()和collect_list()、collect_set()的用法

hive的concat、concat_ws和collect_list、collect_set的用法

concat和concat_ws

concat()：函数在连接字符串的时候，只要其中一个是NULL，那么将返回NULL。

执行代码：
select concat('a','b',null);
 
执行结果：
NULL

concat_ws()：函数在连接字符串的时候，只要有一个字符串不是NULL，就不会返回NULL。concat_ws()：函数需要指定分隔符。

执行代码1：
select concat_ws('-','a','b');
执行结果：
a-b
 
执行代码2：
select concat_ws('-','a','b',null);
执行结果：
a-b
 
执行代码3：
select concat_ws('','a','b',null);
执行结果：
ab

collect_list和collect_set

他们都是将分组中的某列转为一个数组返回，不同的是collect_list不去重，而collect_set去重。
最终的返回值：

（1）collect_list()：有序不去重
（2）collect_set()：无序去重

原始数据：

collect_set示例代码：

select
  t.id,
  concat_ws(',', collect_set(t.class))fromtemp t
groupby
  t.id

实际结果：

可以发现，collect_set合并后并不是有序。

collect_list示例代码：

select
  t.id,
  concat_ws(',', collect_list(t.class))fromtemp t
groupby
  t.id

实际结果：

collect_list合并后有序。

在spark_sql中，将collect_list的类型转化为string，只需要使用cast函数，但是在离线平台中，是不支持Array转化为string，所以需要借助：concat_ws。

在聚合字段时，查询时将collect_list前使用concat_ws函数，这样该字段就转化为string了。

concat_ws(',', collect_list(t.class))

若是想使用collect_set使结果有序，可以采用：

select
  t.id,
  concat_ws(',', sort_array(collect_set(t.class),false))fromtemp t
groupby
  t.id

sort_array(e: column, asc: boolean)将array中元素排序(自然排序)，默认asc。

实际结果：