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_hive 一行变多行

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
1
2
3

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：

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collect_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
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15

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