sql - 使用 HiveQL 爆炸结构数组

Question

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中的数据

1345653-110909316904:1341894546,221065796761:1341887508

我可以通过使用下面的查询来分解上述数据，它适用于上述数据-

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，我在下表中有这样的数据，多个时间戳为相同的 product_id 附加了井号-

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

这有可能以某种方式做到这一点吗？

任何建议将不胜感激。？

PS我几天前问过这个问题，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。

Answer 1

您可以使用函数 regexp_replace 或 regex_extract 仅获取产品 ID。尝试这个:

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;