Expression not in GROUP BY key ‘ xxx’
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：
|
1
2
3
4
5
6
|
SELECT
sid,
class_id
FROM
table2
GROUP BY sid ;
|
会报错：
|
1
|
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：
|
1
2
3
|
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：
|
1
|
select sid,collect_set(class_id) from table2 group by sid;
|
结果是这样的：
|
1
2
3
4
5
6
|
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：
|
1
|
select sid,collect_set(class_id)[0] from table2 group by sid;
|
结果如下：
|
1
2
3
4
5
6
|
1 11
2 11
3 12
4 12
5 16
7 13
|
总结：
- Hive不允许直接访问非group by字段；
- 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；
- 使用数字下标，可以直接访问数组中的元素；
参考文章：http://wangjunle23.blog.163.com/blog/static/117838171201310222309391/
本文地址：http://www.crazyant.net/1600.html