MAP又被称为字典，格式如{key1:value1,key2:value2,…}形式，一般以k:v成对出现。

1、map构造

map('7',coalesce(trade_info.7d_order,0),

'14',coalesce(trade_info.14d_totalt,0),

'28',coalesce(trade_info.28d_total,0),

) AS last_nday_total,

-- 建表时的字段类型

`last_nday_total` map<string,bigint> COMMENT '近N天单量(N可取7,14,28)' ,

输出实例

{

"14": 7,

"28": 11,

"7": 3

}

2、获取map 获取map字段的所有key值，或者所有value值

map_keys(map字段)      -- 返回map字段里所有的key值，输出为数组

--> 输出示例：["14","28","180","365","7","90","60","30"]

map_values(map字段)    -- 返回map字段里左右的value值，输出为数组

--> 输出示例：[7,11,34,116,3,20,18,11]

3、获取map字段中其中一个value值

last_nday_total['28']     --> map字段['对应的key']

--> 输出  11

4、将字符串转换为map格式

str_to_map(字符串字段str)     -- 注意：字符串转换为map格式时，默认以英文逗号为分隔，key与value成对出现

-- 示例

str_to_map('"SH":1000,"SZ":980')

-->  {"SH":1000,"SZ":980}

str_to_map(regexp_replace(concat_ws(',',collect_set(if(decisionids <> '',concat(cast(sceneid as string),':',regexp_replace(decisionids,'\\,','\\;')),null))),'\\"|\\{|\\}',''))   -- 行合并，并且生成一个map字段

5、将json转换为map格式

str_to_map('{"SH":1000,"SZ":980}')

-->  {"SH":1000,"SZ":980}

6、求map字段的长度或元素个数

size(map字段)

7、将map字段中空值或无效值过滤掉

map_filter(map字段, (k, v) -> v IS NOT NULL)    -- 将map字段中的value值为NULL的过滤掉

map_filter(map字段, (k, v) -> v <> '')          -- 将map字段中的value值为空字符串的过滤掉，以此类推

map_filter(map字段, (k, v) -> k <> '')          -- 将map字段中的key值为空字符串的过滤掉，以此类推

8、在map字段中新插入元素

-- 已知已有一个map字段score {"Chinese":"98"}，请在里面再插入一个新元素，key为"Math"，value为"99"

-- 方式1：

先将原有map字段拆开，再添加新元素。对原map字段元素多不好操作，且后续有变化难维护

map('Chinese','98',

     'Math','99'

)

-- 方式2：

待补充

9、已知两个数组array分别是map的key值与value值，其中k/v数组元素顺序保持映射不变，将其还原为map格式字段

-- 已知map key数组与map value数组分别为：

map key数组：['Chinese','Math']

map value数组：['98','99']

-- 将其合并为一个map字段，输出为 {"Chinese":"98","Math":"99"}

-- 方式1：

将数组全部拆开为单元素，进行k/v交替映射，输出map字段。对于多元素难操作

map(key[0],value[0],

    key[1],value[1]

10、将多个map字段合并，例如在多行合并时存在map字段

-- 方式1：

先将map字段转换为json，。使用udf：to_json将map转换为json字符串，再利用行合并函数collect_set()，最终再将string转换为map

ADD jar hive-udf-tojson.jar;

CREATE TEMPORARY FUNCTION to_json as 'com.meituan.hive.udf.generic.GenericUDFToJson';

select str_to_map(regexp_replace(concat_ws(',',collect_set(to_json(factor_context))),'\\{|\\}|\\"','')) as factor_context;

-- 方式2：

待补充，可参考https://www.saoniuhuo.com/question/detail-2046136.html

参考：

hive：将两个Map合并到一列中_大数据知识库

https://www.zhihu.com/question/384904689/answer/1126084222