蜂箱中的计数标签

Question

我在单元格中有一个名为标记的列，它的数据如下：

tags-column  
c#  
C#,unix  
c++,templates,metaprogramming,debugging,  
c#,delegates,design,events  
unix,templates,events

如何计算每个标签的数量？

对于上面列的结果，我应该

c# 3  
unix 2  
templates 2  
metaprogramming 1  
debugging 1  
delegates 1  
design 1
events 2

Answer 1

你在蜂巢中看到的LATERAL VIEW功能。

此特性拆分给定的列，并使用每个令牌创建多行。您需要应用GROUP BY子句来获取计数。

示例HQL (以下是区分大小写的，即c#与C#不相同)：

SELECT 
  single_tag,
  count(1) as cnt
FROM 
  tags_table LATERAL VIEW explode(split(tags_column, ',')) tag_table AS single_tag
GROUP BY 
  single_tag
ORDER BY
  cnt;

要使其不区分大小写，可以使用lower或upper函数。例如：

SELECT 
  lower(single_tag), 
  count(1) as cnt
FROM 
  tags_table LATERAL VIEW explode(split(tags_column, ',')) tag_table AS single_tag
GROUP BY 
  lower(single_tag)
ORDER BY
  cnt;

使用split将String字段转换为Array<String>字段。