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

0 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:
image.png
表id_decode中有内容标签id(tagid),内容标签中文(tagname),如下所示:

image.png
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。

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

注:如若有上方代码还需要设置其他where的筛选条件(例:content_id不为4),筛选条件应放在lateral view这一行之后(即在这一行之后写where content_id != 4)。

得到的表结果为:
image.png

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:

image.png
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。

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:

image.png
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

sql 
更新时间:2020-08-13 10:41:12

本文由 清水河恶霸 创作,如果您觉得本文不错,请随意赞赏
采用 知识共享署名4.0 国际许可协议进行许可
本站文章除注明转载/出处外,均为本站原创或翻译,转载前请务必署名
原文链接:http://ql.magic-seven.top/2020/08/13/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.html
最后更新:2020-08-13 10:41:12

评论

Your browser is out of date!

Update your browser to view this website correctly. Update my browser now

×