Hive 检查数组中的元素并获取索引

Question

我有一个蜂巢表（学生），它有两列是数组。

student_list                array<string>                               
present_list                array<string> 

我知道有一个 hive 函数 array_contains(Array<T>, value) 来检查该项目是否存在于数组中，但我想知道该项目存在于多个项目中的索引。

student_list 的示例数据是一些学生 ID，例如

["1LPT5Q4IE5XC","1SU2QNCG98BC","29V3SAK2Q79Z"]

如果 present_list 是

["1LPT5Q4IE5XC","29V3SAK2Q79Z"]

我希望该行的输出为[0,2]。

Answer 1

一种选择是使用posexplode 来生成列表的位置和值。如下：

select collect_set(x.pos) as result
from(
 select sl.p1, sl.v1, pl.p2, pl.v2, (sl.v1 = pl.v2) as match
 from table_name
 lateral view posexplode(student_list) sl as p1,v1
 lateral view posexplode(present_list) pl as p2,v2
) as x where match=true

上面的结果是[0,2]。这个想法是生成一个位置列表，然后在列表中的两个值之间进行简单匹配。使用 hive 中的collect_set 函数收集索引位置。

这种方法的一个缺点是在进行poseexplode时数据的交叉连接。使用横向视图会从每个数组项中生成行。如果处理量很大，这可能是一项昂贵的操作。