Hive中将数据一行转多行、多行转一行、再转为以逗号分隔的string类型someapples的博客-

Hive中将数据一行转多行、多行转一行、再转为以逗号分隔的string类型

背景

表content中有观看内容id（content_id），内容标签id列表（tag_id_list），如下所示：

表id_decode中有内容标签id（tagid），内容标签中文（tagname），如下所示：

目标：将原来content表中的内容标签id列表字段转换成内容标签中文列表。

Step 1：将content表的tag_id_list一行转多行

使用lateral view和split结合起来，将一行数据拆分为多行数据。

select content_id, tag_id_list, tag_id from content lateral view explode(split(tag_id_list, ',')) myTable as tag_id 

得到的表结果为：

Step 2：将step 1中的表中tag_id匹配中文后，进行多行转一行

先将step 1中得到的表格与表id_decode进行left join，实现中文的匹配，之后再利用collset_set()这个函数将多行的中文转为一行。

select content_id, collect_set(tagname) as tags from(     select content_id, tag_id_list, tag_id, tagname     from (         select content_id, tag_id_list, tag_id         from content         lateral view explode(split(tag_id_list, ',')) myTable as tag_id     ) content_list_id     left join (         select tagid, tagname         from id_decode     ) tran_id     on content_list_id.tag_id = tran_id.tagid ) group by content_id 

得到的表结果为：

至此，其实已经完成了内容标签id列表字段转换成内容标签中文列表的任务。

但是，在我之前的实际操作中，最后需要将A平台利用Hive得到的表写入使用mysql的B平台。而当以上述select语句得到的表进行直接的insert时候，会报错。（具体的报错内容不记得了，只记得报错语句里面有udf和string，依稀记得是关于udf和string的转化错误的报错）

当时细心的我(手动狗头🐶)就发现上面表格得到的tags字段含有“[ ]”，而存入的B平台对tags字段的类型设定为string，就怀疑是因为这里所以存入失败。

故而，我还需要进行step 3。

Step 3：将step 2得到的表格转为以逗号分隔的形式

利用concat_ws将step 2中得到的tags字段转为以逗号分隔的形式，以方便存入使用mysql的B平台。

select content_id, concat_ws(',', collect_set(tagname)) as tags from(  select content_id, tag_id_list, tag_id, tagname  from (   select content_id, tag_id_list, tag_id   from content         lateral view explode(split(tag_id_list, ',')) myTable as tag_id  ) content_list_id  left join (   select tagid, tagname         from id_decode  ) tran_id     on content_list_id.tag_id = tran_id.tagid ) group by content_id 

得到的表结果为：

之后再存入就可以成功存入了😉

参考资料

[1] https://blog.csdn.net/kwu_ganymede/article/details/53435656

[2] https://blog.csdn.net/yeweiouyang/article/details/41286469?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase