maxcompute 2.0復雜數據類型之array
1. 含義
類似於Java中的array。有序、可重復。
2. 場景
什麽樣的數據,適合使用array類型來存儲呢?這裏列舉了幾個我在開發中實際用到的場景。
2.1 標簽類的數據
為什麽說標簽類數據適合使用array類型呢?
(1)標簽一般是一個只有key、沒有value的結構;
(2)標簽的數量(枚舉值個數)會非常多;
(3)標簽的變化會比較頻繁;
(4)標簽會過期;
因此,比起“創建多個字段”、“使用指定分隔符分隔的字符串”、“使用map”等方法,使用array是更合適的。
2.2 對象列表
對象有多種固定的屬性,簡單的key-value格式無法滿足,可以使用array嵌套struct的方式定義。減少了維護數據字典的工作量。
3. 玩轉array
3.1 數組字段拆成多行
3.1.1 explode
select explode(t.arr) from (select array(‘a‘,‘b‘,‘c‘) as arr) t;
col |
---|
a |
b |
c |
select t1.id,t2.arr from (select ‘xxx‘ as id,array(‘a‘,‘b‘,‘c‘) as arr) t1 lateral view explode(t1.arr) t2 as arr ;
id | arr |
---|---|
xxx | a |
xxx | b |
xxx | c |
3.1.2 posexplode
select posexplode(t.arr) from (select array(‘a‘,‘b‘,‘c‘) as arr) t;
pos | val |
---|---|
0 | a |
1 | b |
2 | c |
select t1.id,t2.serialno,t2.arr from (select ‘xxx‘ as id,array(‘a‘,‘b‘,‘c‘) as arr) t1 lateral view posexplode(t1.arr) t2 as serialno,arr ;
id | serialno | arr |
---|---|---|
xxx | 0 | a |
xxx | 1 | b |
xxx | 2 | c |
3.2 多行合並成數組
3.2.1 不去重
select collect_list(t.c1) as arr from ( select ‘a‘ as c1 union all select ‘a‘ as c1 union all select ‘b‘ as c1) t;
arr |
---|
["a","a","b"] |
3.2.2 去重
select collect_set(t.c1) as arr from ( select ‘a‘ as c1 union all select ‘a‘ as c1 union all select ‘b‘ as c1) t;
arr |
---|
["a","b"] |
3.3 數組拼成字符串
select concat_ws(‘,‘,t.arr) from (select array(‘a‘,‘b‘,‘c‘) as arr) t;
_c0 |
---|
a,b,c |
3.4 字符串轉成數組
select split(‘a,b,c‘,‘,‘);
_c0 |
---|
["a","b","c"] |
3.5 構造數組
select array(‘aa‘,‘bb‘,‘cc‘);
_c0 |
---|
["aa","bb","cc"] |
3.6 數組元素排序
select sort_array(array(‘b‘,‘c‘,‘e‘,‘a‘,‘d‘));
_c0 |
---|
["a","b","c","d","e"] |
select sort_array(array(1,10,100,2,3));
_c0 |
---|
[1,2,3,10,100] |
3.7 數組中增加一項
select split(concat(‘d,‘,concat_ws(‘,‘,t.arr)),‘,‘) as arr from (select array(‘a‘,‘b‘,‘c‘) as arr) t;
arr |
---|
["d","a","b","c"] |
4. 常見用法
4.1 代替無法使用的with cube
例如現在有張下單記錄流水表,記錄著每一條下單記錄,包含字段“訂單ID”、“下單人ID”、“下單渠道(網站/app)”。
現在要統計“各渠道的下單人數和訂單數”,渠道維度包含“不限”、“網站”、“APP”三項。
一般做這些包含“不限”的維度的聚合計算時,都使用group by xxx with cube關鍵字。但是maxcompute中暫時還不支持這個關鍵字,所以我們換另一種方法來實現。
SELECT tt.`下單渠道`, COUNT(1) AS `下單人數`, SUM(tt.`下單量`) AS `下單量`
FROM (
SELECT t1.`下單人ID`, t2.`下單渠道`, SUM(t1.`下單量`) AS `下單量`
FROM (
SELECT t.`下單人ID`, t.`下單渠道`, SUM(t.`下單量`) AS `下單量`
FROM (
SELECT `訂單ID`, `下單人ID`, `下單渠道`, 1 AS `下單量`
FROM `下單記錄流水表`
) t
GROUP BY t.`下單人ID`,
t.`下單渠道`
) t1
LATERAL VIEW EXPLODE(array(t1.`下單渠道`, ‘不限‘)) t2 AS `下單渠道`
GROUP BY t1.`下單人ID`,
t2.`下單渠道`
) tt
GROUP BY tt.`下單渠道`
4.2 數組是否相等
數組的相等或不等,無法通過“=”來判斷,因此要嘗試一些其他的方法。最常用的辦法,就是轉成字符串再比較。
4.2.1 考慮順序是否一致
直接轉成字符串後,比較是否相等
4.2.2 不考慮順序是否一致
先排序,再轉成字符串,然後比較是否相等
原文鏈接
更多技術幹貨 請關註阿裏雲雲棲社區微信號 :yunqiinsight
maxcompute 2.0復雜數據類型之array