配置单元收集列表无法处理数百万条记录

ztigrdn8 于 2021-06-26 发布在 Hive

关注(0)|答案(1)|浏览(435)

我在使用collect\u list的outer query中有一个配置单元查询。内部查询我有一个180万条记录的有序列表。当我每次运行查询时，有500-600条记录给出错误的结果，并且丢失了模式中的顺序。我也用砖瓦罐和收集自定义项。这也给出了相同的结果，500-600条记录不同。我不知道怎么调试。

select concat_ws('','',collect_list(host)),
  concat_ws('','',collect_list(cast(total_data_volume_host as string))),
  concat_ws('','',collect_list(cast(event_duration_host as string))),
  concat_ws('','',collect_list(application_name)),
  concat_ws('','',collect_list(cast(total_data_volume_app as string))),
  concat_ws('','',collect_list(cast(event_duration_app as string))),

Hive collect

来源：https://stackoverflow.com/questions/43061640/hive-collect-list-is-not-working-with-millions-of-records

1条答案

按热度按时间

lh80um4z1#

使用orderby是子查询并不能保证数组是有序的。
我们将使用排序数组。
concat\u ws只适用于字符串数组，因此在使用collect\u list之前要将值强制转换为字符串。
现在的问题是元素的自然顺序被改变了-
100>20，但“20”>“100”（字母顺序）。
解决方法是使用空格lpad值、sort、concat，然后删除空格。

with t as (select explode(array(100,20,3)) as i) 
select translate(concat_ws(',',sort_array(collect_list(lpad(cast(i as string),10,' ')))),' ','') 
from t;

3,20,100

赞(0）回复(0）举报 2021-06-26

我来回答

配置单元收集列表无法处理数百万条记录

1条答案

相关问题

热门标签

最新问答