Hive表达式不在分组键中

Question

我在HIVE中创建了一个表。

它有以下列：

id bigint, rank bigint, date string

我想要获取每月的平均排名。我可以使用这个命令。它有效。

select a.lens_id, avg(a.rank)
from tableA a
group by a.lens_id, year(a.date_saved), month(a.date_saved); 

然而，我还想获取日期信息。 我使用这个命令:

select a.lens_id, avg(a.rank), a.date_saved
from lensrank_archive a
group by a.lens_id, year(a.date_saved), month(a.date_saved);

提示错误： Expression Not In Group By Key

- chnet

Answer 1

完整的错误信息应该是以 Expression Not In Group By Key [value] 的格式呈现。
其中[value]会告诉你需要在 Group By 中添加哪个表达式。

仅仅看这两个查询语句，我认为你需要将a.date_saved 明确地添加到 Group By 中。

- QuinnG

---

是的。添加了a.date_saved后可以运行，但它并没有达到我的预期。我想要每个月的rank平均值，但现在它不能进行平均。它只是在添加了group by a.date_saved后显示了所有的记录。 - chnet

如果你想显示 a.date_saved，那么你需要以它为分组依据，不能只选择该列而不进行分组。可能可以显示 year(a.date_saved) 和 month(a.date_saved)，因为它们在“Group by”中，但不能保证100%能够实现。 - QuinnG

谢谢。我可以显示年（a.date_saved）和月（a.date_saved）。 - chnet

你的意思是什么？这是 HQL 特有的东西吗？我在 MySQL 中使用了不包含全部列的 GROUP BY 子句，它也能正常工作。 - Omer Anisfeld

使用 collect_set()[0] 进行修复。 - Yin

Answer 2

将附加字段放入collect_set中，并返回集合的第一个元素可以实现漫游。例如：

select a.lens_id, avg(a.rank), collect_set(a.date_saved)[0]
from lensrank_archive a
group by a.lens_id, year(a.date_saved), month(a.date_saved);

- vanship82

Answer 3

这是因为在您的分组中有多个“date_saved”记录。您可以将这些“date_saved”记录转换为数组并输出它们。

- Y.Wang

---

这篇帖子似乎没有为问题提供一个高质量的答案。请编辑您的答案并可能展示一个例子，或者将其作为评论发布到问题中。 - sɐunıɔןɐqɐp