Hive TRANSFORM menerima NULL untuk nilai array yang digabungkan

Question

Saya memiliki tabel sarang dalam format:

   col1.      col2.     col3.
    a1          b1       c1
    a1          b1       c2                                  
    a1          b2       c2
    a1          b2       c3              
    a2          b3       c1
    a2          b4       c1                                  
    a2          b4       c2
    a2          b4       c3              
    .
    .

Setiap nilai dalam col1 dapat memiliki beberapa nilai dalam col2 dan setiap pasangan (col1, col2) dapat memiliki beberapa nilai col3 .

Saya menjalankan kueri [Q] :

select col1, col2, collect_list(col3) from {table} group by col1, col2;

mendapatkan:

a1   b1   [c1, c2]
a1   b2   [c2, c3]
a2   b3   [c1]
a2   b4   [c1, c2, c3] 

Saya ingin melakukan beberapa transformasi menggunakan UDF python. Jadi saya meneruskan semua kolom ini ke UDF menggunakan klausa TRANSFORM sebagai:

select TRANSFORM ( * ) using 'python udf.py' FROM 
(
select col1, col2, concat_ws('\t', collect_list(col3)) from {table} group by col1, col2;
)

Saya menggunakan concat_ws untuk mengubah output array menjadi strig dari collect_list digabung oleh pemisah. Saya mendapatkan hasil col1, col2, tetapi tidak mendapatkan keluaran col3.

+---------+---------+
|      key|    value|
+---------+---------+
|a1       | b1      |
|         |     null|
|a1       | b2      |
|         |     null|
|a2       | b3      |
|         |     null|
|a2       | b4      |
|         |     null|
+---------+---------+

Di UDF saya, saya hanya memiliki pernyataan cetak yang mencetak baris yang diterima dari stdin.

import sys
for line in sys.stdin:
    try:
        print line
    except Exception as e:
        continue

dapatkah seseorang membantu mencari tahu mengapa saya tidak mendapatkan col3 di UDF saya?

Answer 1

Pertama, Anda perlu mengurai baris dengan Python UDF, misalnya,

import sys
for line in sys.stdin:
    try:
        line = line.strip('\n')
        col1, col2, col3 = line.split('\t')
        print '\t'.join([col1, col2, col3])
    except Exception as e:
        continue

Maka lebih baik menggunakan sesuatu yang lain daripada \tdi concat_ws

select TRANSFORM ( * )  using 'python udf.py' as (col1, col2, col3)
FROM 
(
select col1, col2, concat_ws(',', collect_list(col3)) from {table} group by col1, col2;