hive 学习系列六 hive 去重办法的思考

方法1，建立临时表，利用hive的collect_set 进行去重。

create table if not exists tubutest (
    name1 string,
    name2 string
)
ROW FORMAT DELIMITED
FIELDS TERMINATED BY ','
STORED AS TEXTFILE;


select * from ods.wdtest;
1   1
1   1
1   2
1   2
1   3
2   3
2   3
2   4


select name1,collect_set(name2) from tubutest group by name1;  
name1   _c1
1   ["2","3"]
2   ["2","4"]

create view ods.wdtestView as
select name1,collect_set(name2) as name2 from ods.wdtest  group by name1;

select * from ods.wdtestview;
name1   name2
1   ["2","3"]
2   ["2","4"]

select name1, name2 from tubuview  LATERAL VIEW explode(name2) tubuview as name2;

A，collect_set 完成把多行转化成一行的功能。 
B，explode 完成把一行转化成多列的功能。 而 lateral view 主要是辅助 explode 进行使用，来完成类似去重的功能。

2，方法2， 利用row_number 去重

比如，我有一大堆的表格，


表格内容大多类似，只是有些许差别。
现在的需求是把我要统计所有的表格中，都有哪些字段，也就是把所有的表格整合成一张大表
则可以利用row_number 进行去重

最终的表格如下：

需要进行去重，
则可以利用row_number 进行去重（去虫），方法如下

SELECT 
    name,
    type_name,
    comment_deatail
from 
    (SELECT 
    name,type_name,comment_deatail,
    row_number() OVER(PARTITION BY name ORDER BY type_name) as row_count
     from demo) t
where row_count=1;