explode和 lateral view explode函数解析非结构化的map数据类型

工作中遇到使用了Map结构来存储的数据。比如下面所示的这种：（数据表1）col1col2{24235:r2,98766:r3}{65432:r1,35689:r2,24577:r3}{13245:r3}{34567:r1,87654:r3}需求是解析出所有的key，即24235，98766，65432，35689，.... 并统计这些key分别出现了多少次、每个key对应的value值（即r2,

Just Jump

3871人浏览 · 2021-02-08 12:32:45

Just Jump · 2021-02-08 12:32:45 发布

工作中遇到使用了Map结构来存储的数据。

比如下面所示的这种：（数据表1）

col1	col2
{24235:r2,98766:r3}	{65432:r1,35689:r2,24577:r3}
{13245:r3}	{34567:r1,87654:r3}

需求是解析出所有的key，即24235，98766，65432，35689，.... 并统计这些key分别出现了多少次、每个key对应的value值（即r2, r3, r1...）按照key做分组聚合累加是多少。

数据是存储在HIVE表中的，脚本是Spark-Sql 或 Hive-Sql。

1、SparkSql / HiveSql有三种复杂数据结构，Array 、Map、Struct 。

它们访问value值的方式为：Arrays：通过0\1下标访问；Map(K-V对):通过["指定域名称"]访问；strcut内部的数据可以通过.来访问；

但这是指规范存储的数据格式：（数据表2）

col1-array	col2-map	col3-struct
[5,30,40]	{math:90,english:95,language:98}	{province:zhejiang,city:hangzhou,county:xihu,zip:310000}
[40,50,60]	{math:80,english:90,language:90}	{province:beijing,city:beijing,county:chaoyang,zip:100000}

select col1-array[0] , col1-array[1], col2-map['math'] , col2-map['english'], col3-struct.province, col3-struct.city from table ;

#返回结果为：

5，30，90，95，zhe jiang,hangzhou

40，50，80，90, beijing, beijing

2、对于数据表1 中的Map数据类型是非结构化的。每个map的长度也不固定。

所以，这时候要解析出key, value最方便的函数就是explode , lateral view explode

（1） explode函数只能单独使用，不能同时选择其他列，否则会报错。

select col1 , explode(col1) from table;

上面的命令行会报错：FAILED: SemanticException [Error 10081]: UDTF's are not supported outside the SELECT clause, nor nested in expressions

select explode(col1) from table;

这个命令行可以执行，运行结果为：

key value

24235 r2

98766 r3

13245 r3

（2）如果想要同时选择多列，那就要使用lateral view explode函数

select col1,
       col2,
       col1_key,
       col1_value,
       col2_key,
       col2_value
from table
lateral VIEW explode(col1) col1s AS col1_key,col1_value
lateral VIEW explode(col2) col2s AS col2_key,col2_value
where ....

输出结果为：

col1   col2 col1_key col1_value col2_key col2_value
{24235:r2,98766:r3}   {65432:r1,35689:r2,24577:r3} 24235 r2 65432 r1
{24235:r2,98766:r3}   {65432:r1,35689:r2,24577:r3} 98766 r3 65432 r1
{24235:r2,98766:r3}   {65432:r1,35689:r2,24577:r3} 24235 r2 35689 r2
{24235:r2,98766:r3}   {65432:r1,35689:r2,24577:r3} 98766 r3 35689 r2
{24235:r2,98766:r3}   {65432:r1,35689:r2,24577:r3} 24235 r2 24577 r3
{24235:r2,98766:r3}   {65432:r1,35689:r2,24577:r3} 98766 r3 24577 r3
{13245:r3}   {34567:r1,87654:r3} 13245 r3 34567 r1
{13245:r3}   {34567:r1,87654:r3} 13245 r3 87654 r3

注意：使用lateral view explode函数时，与其他表做JOIN 会报错误。

错误是在ON这个地方。不知道什么原因。

select col1,
       col2,
       col1_key,
       col1_value,
       col2_key,
       col2_value
from 
table1 b 
JOIN
table2 a
lateral VIEW explode(col1) col1s AS col1_key,col1_value
lateral VIEW explode(col2) col2s AS col2_key,col2_value
ON a.id =b.id
where ....

所以，现在只能这样使用

select col1,
       col2,
       col1_key,
       col1_value,
       col2_key,
       col2_value
from 
table1 b 
JOIN
(
select ...
from 
table2 
lateral VIEW explode(col1) col1s AS col1_key,col1_value
lateral VIEW explode(col2) col2s AS col2_key,col2_value
) a
ON a.id =b.id
where ....