create table mytable (Systems varchar(50),ID varchar(20));
insert into  mytable values('Sys1','A');
insert into  mytable values('Sys2','A');
insert into  mytable values('Sys1','B');
insert into  mytable values('sys2','C');

查询：

select ID, sum(case when Systems='Sys1' then 1 else 0 end)Sys1,
           sum(case when Systems='Sys2' then 1 else 0 end)Sys2
From mytable
Group by ID

输出：
idsys1sys2a11b10c01型
db<>在这里摆弄

如果你用的是spark，为什么不利用它的能量呢。读取Dataframe中的数据，然后使用： df.groupBy(col("ID")).pivot(col("System")).count().na.fill(0).show()

如果仅限于少数系统值，则可以使用此查询：

select
  ID
  , MAX(case when system = 'Sys1' then 1 else 0 end) Sys1
  , MAX(case when system = 'Sys2' then 1 else 0 end) Sys2
  , MAX(case when system = 'Sys3' then 1 else 0 end) Sys3
  , MAX(case when system = 'Sys4' then 1 else 0 end) Sys4
  , ....
from table
GROUP BY ID