Hive中的explode使用全解

知乎 · · 1877 次点击 · · 开始浏览

这是一个创建于的文章，其中的信息可能已经有所发展或是发生改变。

本节主要介绍explode和posexplode函数的使用。

1、数据介绍
主要包括三列，分别是班级、姓名以及成绩，数据表名是default.classinfo。

2、单列Explode
首先来看下最基本的，我们如何把student这一列中的数据由一行变成多行。这里需要使用split和explode，并结合lateral view实现。代码如下：

select
    class,student_name
from
    default.classinfo
    lateral view explode(split(student,',')) t as student_name

结果如下：

3、单列Posexplode
接下来，我们想要给每个同学来一个编号，假设编号就按姓名的顺序，此时我们要用到另一个hive函数，叫做posexplode，代码如下：

select
    class,student_index + 1 as student_index,student_name
from
    default.classinfo
    lateral view posexplode(split(student,',')) t as student_index,student_name;

这里select时对编号+1主要是因为编号是从0开始的，结果如下：

4、多列Explode
好了，我们继续前进。这次我们想基于两列explode，同时能够使学生和其成绩能够匹配，即期望的效果如下：

显然我们要对两列进行explode，先试试行不行：

select
    class,student_name,student_score
from
    default.classinfo
    lateral view explode(split(student,',')) sn as student_name
    lateral view explode(split(score,',')) sc as student_score

结果如下：

好像是不太行，如果我们分别对两列进行explode的话，假设每列都有三个值，那么最终会变成3 * 3 = 9行。但我们想要的结果只有三行。此时我们可以进行两次posexplode，姓名和成绩都保留对应的序号，即使变成了9行，我们通过where条件只保留序号相同的行即可。代码如下：

select
    class,student_name,student_score
from
    default.classinfo
    lateral view posexplode(split(student,',')) sn as student_index_sn,student_name
    lateral view posexplode(split(score,',')) sc as student_index_sc,student_score
where
    student_index_sn = student_index_sc;

此时结果就对了：

好了，到这里本应该就结束了，假设我们又想对同学的成绩进行一下排名该怎么做呢？当然是借助rank函数啦（row_number函数对于相同的成绩也会赋予不同的排名，所以我们选择rank函数，关于二者的区别我们后续再细讲)：

select
    class,
    student_name,
    student_score,
    rank() over(partition by class order by student_score desc) as student_rank
from
    default.classinfo
    lateral view posexplode(split(student,',')) sn as student_index_sn,student_name
    lateral view posexplode(split(score,',')) sc as student_index_sc,student_score
where
    student_index_sn = student_index_sc
    order by class,student_rank;

结果符合我们预期：