遇到这么一个需求，输入数据为一个ID对应多个name，要求输出数据为ID是唯一的，name随便取一个就可以。

执行以下hive ql语句：

 ​

SELECT
   sid ,
   class_id
FROM
   table2
GROUP BY sid ;

会报错：

 ​

FAILED : Error in semantic analysis : Line 1 : 18 Expression not in GROUP BY key 'class_id'

查了一下，HIVE有这么一个函数collect_set，类似于mysql的group_concat函数，把每个分组的其他字段，按照逗号进行拼接，得到一个最终字符串：

 ​

collect_set ( col )
返回类型： array
解释：返回一个去重后的对象集合

将上述的QL语句改一下：

 ​

select sid , collect_set ( class_id ) from table2 group by sid ;

结果是这样的：

 ​

1 [ 11 , 12 , 13 ]
2 [ 11 , 14 ]
3 [ 12 , 15 ]
4 [ 12 , 13 ]
5 [ 16 , 14 ]
7 [ 13 , 15 ]

这个时候，我们就可以针对第二列做一些计数、求和操作，分别对应到Hive的聚合函数count、sum。

对应到本文的目的，直接从数组获取第一个元素就达到目的了，这样做：

 ​

select sid , collect_set ( class_id ) [ 0 ] from table2 group by sid ;

结果如下：

 ​

1 11
2 11
3 12
4 12
5 16
7 13

总结：

  1. Hive不允许直接访问非group by字段；
  2. 对于非group by字段，可以用Hive的collect_set函数收集这些字段，返回一个数组；
  3. 使用数字下标，可以直接访问数组中的元素；