CREATE TABLE IF NOT EXISTS Table2
(
USER_ID BIGINT,
PURCHASED_ITEM ARRAY<STRUCT<PRODUCT_ID: BIGINT,TIMESTAMPS:STRING>>
) ROW FORMAT
DELIMITED FIELDS TERMINATED BY '-'
collection items terminated by ','
map keys terminated by ':'
LINES TERMINATED BY '\n'
STORED AS TEXTFILE
LOCATION '/user/rj/output2';
下面是表2的数据
1345653-110909316904:1341894546,221065796761:1341887508
我可以使用下面的查询来分解上面的数据,它对于上面的数据工作得很好-
SELECT * FROM (select user_id, prod_and_ts.product_id as product_id,
prod_and_ts.timestamps as timestamps FROM table2 LATERAL VIEW
explode(purchased_item) exploded_table as prod_and_ts) prod_and_ts;
我会得到这样的输出,这很好 -
1345653 110909316904 1341894546
1345653 221065796761 1341887508
但在某些情况下,我在下表中有数据,如下所示,同一product_id 的多个时间戳附加井号 -
1345653-110909316904:1341894546#1341885695,221065796761:1341887508#1341885453
我需要使用 HiveQL 查询对上述数据进行这样的输出 -
1345653 110909316904 1341894546
1345653 110909316904 1341885695
1345653 221065796761 1341887508
1345653 221065796761 1341885453
有可能以某种方式做到这一点吗?
如有任何建议,我们将不胜感激。
P.S 几天前我问了这个问题,但在那种情况下数据不同,现在数据完全不同,我需要类似的输出。
最佳答案
您可以使用函数 regexp_replace 或 regex_extract 仅获取产品 ID。试试这个:
SELECT * FROM (select user_id, prod_and_ts.product_id as product_id,
regex_replace(prod_and_ts.timestamps, "#\\d*", "") as timestamps FROM table2 LATERAL VIEW
explode(purchased_item) exploded_table as prod_and_ts) prod_and_ts;
关于sql - 使用 HiveQL 分解结构数组,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/11550651/