1. 简介

在资料库SQL处理中，常常有行转列（Pivot）和列转行（Unpivot）的数据处理需求。本文以示例说明在Data Lake Analytics（https://www.aliyun.com/product/datalakeanalytics）中，如何使用SQL的一些技巧，达到行转列（Pivot）和列转行（Unpivot）的目的。另外，DLA支持函数式表达式的处理逻辑、丰富的JSON数据处理函数和UNNEST的SQL语法，结合这些功能，能够实现非常丰富、强大的SQL数据处理语义和能力，本文也以JSON数据列展开为示例，说明在DLA中使用这种SQL的技巧。

2. 行转列（Pivot）

2.1 样例数据

test_pivot表内容：

+------+----------+---------+--------+
| id | username | subject | source |
+------+----------+---------+--------+
| 1 | 张三 | 语文 | 60 |
| 2 | 李四 | 数学 | 70 |
| 3 | 王五 | 英语 | 80 |
| 4 | 王五 | 数学 | 75 |
| 5 | 王五 | 语文 | 57 |
| 6 | 李四 | 语文 | 80 |
| 7 | 张三 | 英语 | 100 |
+------+----------+---------+--------+

2.2 方法一：通过CASE WHEN语句

SQL语句：

SELECT
username,
max(CASE WHEN subject = 语文 THEN source END) AS `语文`,
max(CASE WHEN subject = 数学 THEN source END) AS `数学`,
max(CASE WHEN subject = 英语 THEN source END) AS `英语`
FROM test_pivot
GROUP BY username
ORDER BY username;

结果：

+----------+--------+--------+--------+
| username | 语文 | 数学 | 英语 |
+----------+--------+--------+--------+
| 张三 | 60 | NULL | 100 |
| 李四 | 80 | 70 | NULL |
| 王五 | 57 | 75 | 80 |
+----------+--------+--------+--------+

2.3 方法二：通过map_agg函数

该方法思路上分为两个步骤：

第一步，通过map_agg函数把两个列的多行的值，映射为map；第二步，通过map的输出，达到多列输出的目的。

第一步SQL：

SELECT username, map_agg(subject, source) kv
FROM test_pivot
GROUP BY username
ORDER BY username;

第一步输出：

+----------+-----------------------------------+
| username | kv |
+----------+-----------------------------------+
| 张三 | {语文=60, 英语=100} |
| 李四 | {数学=70, 语文=80} |
| 王五 | {数学=75, 语文=57, 英语=80} |
+----------+-----------------------------------+

可以看到map_agg的输出效果。

最终，该方法的SQL：

SELECT
username,
if(element_at(kv, 语文) = null, null, kv[语文]) AS `语文`,
if(element_at(kv, 数学) = null, null, kv[数学]) AS `数学`,
if(element_at(kv, 英语) = null, null, kv[英语]) AS `英语`
FROM (
SELECT username, map_agg(subject, source) kv
FROM test_pivot
GROUP BY username
) t
ORDER BY username;

结果：

+----------+--------+--------+--------+
| username | 语文 | 数学 | 英语 |
+----------+--------+--------+--------+
| 张三 | 60 | NULL | 100 |
| 李四 | 80 | 70 | NULL |
| 王五 | 57 | 75 | 80 |
+----------+--------+--------+--------+

3. 列转行（Unpivot）

3.1 样例数据

test_unpivot表内容：

+----------+--------+--------+--------+
| username | 语文 | 数学 | 英语 |
+----------+--------+--------+--------+
| 张三 | 60 | NULL | 100 |
| 李四 | 80 | 70 | NULL |
| 王五 | 57 | 75 | 80 |
+----------+--------+--------+--------+

3.2 方法一：通过UNION语句

SQL语句：

SELECT username, subject, source
FROM (
SELECT username, 语文 AS subject, `语文` AS source FROM test_unpivot WHERE `语文` is not null
UNION
SELECT username, 数学 AS subject, `数学` AS source FROM test_unpivot WHERE `数学` is not null
UNION
SELECT username, 英语 AS subject, `英语` AS source FROM test_unpivot WHERE `英语` is not null
)
ORDER BY username;

结果：

+----------+---------+--------+
| username | subject | source |
+----------+---------+--------+
| 张三 | 语文 | 60 |
| 张三 | 英语 | 100 |
| 李四 | 语文 | 80 |
| 李四 | 数学 | 70 |
| 王五 | 英语 | 80 |
| 王五 | 语文 | 57 |
| 王五 | 数学 | 75 |
+----------+---------+--------+

3.3 方法二：通过CROSS JOIN UNNEST语句

SQL语句：

SELECT t1.username, t2.subject, t2.source
FROM test_unpivot t1
CROSS JOIN UNNEST (
array[语文, 数学, 英语],
array[`语文`, `数学`, `英语`]
) t2 (subject, source)
WHERE t2.source is not null

结果：

+----------+---------+--------+
| username | subject | source |
+----------+---------+--------+
| 张三 | 语文 | 60 |
| 张三 | 英语 | 100 |
| 李四 | 语文 | 80 |
| 李四 | 数学 | 70 |
| 王五 | 语文 | 57 |
| 王五 | 数学 | 75 |
| 王五 | 英语 | 80 |
+----------+---------+--------+

4. JSON数据列展开

JSON数据的表达能力非常灵活，因此在资料库和SQL中，常常需要处理JSON数据，常常碰到稍复杂的需求，就是将JSON数据中的某些属性栏位，进行展开转换，转成行、列的关系型表达。

4.1 基本思路和步骤

• 使用JSON函数，对JSON字元串进行解析和数据提取；
• 提取、转换为ARRAY或者MAP的数据结构，如有需要，可以使用Lambda函数式表达式进行转换处理；
• 利用UNNEST语法进行列展开。

下面以多个示例说明。

4.2 用UNNEST对MAP进行关系型展开

SQL示例：

SELECT t.m, t.n
FROM (
SELECT MAP(ARRAY[foo, bar], ARRAY[1, 2]) as map_data
)
CROSS JOIN unnest(map_data) AS t(m, n);

结果：

+------+------+
| m | n |
+------+------+
| foo | 1 |
| bar | 2 |
+------+------+


4.3 用UNNEST对JSON数据进行关系型展开

SQL示例：

SELECT json_extract(t.a, $.a) AS a,
json_extract(t.a, $.b) AS b
FROM (
SELECT cast(json_extract({"x":[{"a":1,"b":2},{"a":3,"b":4}]}, $.x)
AS array<JSON>) AS package_array
)
CROSS JOIN UNNEST(package_array) AS t(a);

结果：

+------+------+
| a | b |
+------+------+
| 1 | 2 |
| 3 | 4 |
+------+------+


SQL示例：

SELECT t.m AS _col1, t.n AS _col2
FROM (
SELECT cast(json_extract({"x":[{"a":1,"b":2},{"a":3,"b":4}]}, $.x)
AS array<JSON>) AS array_1,
cast(json_extract({"x":[{"a":5,"b":6}, {"a":7,"b":8}, {"a":9,"b":10}, {"a":11,"b":12}]}, $.x)
AS array<JSON>) AS array_2
)
CROSS JOIN UNNEST(array_1, array_2) AS t(m, n);

结果：

+---------------+-----------------+
| _col1 | _col2 |
+---------------+-----------------+
| {"a":1,"b":2} | {"a":5,"b":6} |
| {"a":3,"b":4} | {"a":7,"b":8} |
| NULL | {"a":9,"b":10} |
| NULL | {"a":11,"b":12} |
+---------------+-----------------+

SQL示例：

SELECT json_extract(t.m, $.a) AS _col1,
json_extract(t.m, $.b) AS _col2,
json_extract(t.n, $.a) AS _col3,
json_extract(t.n, $.b) AS _col4
FROM (
SELECT cast(json_extract({"x":[{"a":1,"b":2},{"a":3,"b":4}]}, $.x)
AS array<JSON>) AS array_1,
cast(json_extract({"x":[{"a":5,"b":6}, {"a":7,"b":8}, {"a":9,"b":10}, {"a":11,"b":12}]}, $.x)
AS array<JSON>) AS array_2
)
CROSS JOIN UNNEST(array_1, array_2) AS t(m, n);

结果：

+-------+-------+-------+-------+
| _col1 | _col2 | _col3 | _col4 |
+-------+-------+-------+-------+
| 1 | 2 | 5 | 6 |
| 3 | 4 | 7 | 8 |
| NULL | NULL | 9 | 10 |
| NULL | NULL | 11 | 12 |
+-------+-------+-------+-------+


4.4 结合Lambda表达式，用UNNEST对JSON数据进行关系型展开

SQL示例：

SELECT count(*) AS cnt,
package_name
FROM (
SELECT t.a AS package_name
FROM (
SELECT transform(packages_map_array, x -> Element_at(x, packageName))
AS package_array
FROM (
SELECT cast(Json_extract(data_json, $.packages)
AS array<map<VARCHAR, VARCHAR>>) AS packages_map_array
FROM (
SELECT json_parse(data) AS data_json
FROM (
SELECT {
"packages": [
{
"appName": "铁路12306",
"packageName": "com.MobileTicket",
"versionName": "4.1.9",
"versionCode": "194"
},
{
"appName": "QQ飞车",
"packageName": "com.tencent.tmgp.speedmobile",
"versionName": "1.11.0.13274",
"versionCode": "1110013274"
},
{
"appName": "掌阅",
"packageName": "com.chaozh.iReaderFree",
"versionName": "7.11.0",
"versionCode": "71101"
}
]
}
AS data
)
)
)
) AS x (package_array)
CROSS JOIN UNNEST(package_array) AS t (a)
)
GROUP BY package_name
ORDER BY cnt DESC;

结果：

+------+------------------------------+
| cnt | package_name |
+------+------------------------------+
| 1 | com.MobileTicket |
| 1 | com.tencent.tmgp.speedmobile |
| 1 | com.chaozh.iReaderFree |
+------+------------------------------+

本文作者：julian.zhou

原文链接

更多技术干货敬请关注云栖社区知乎机构号：阿里云云栖社区 - 知乎

本文为云栖社区原创内容，未经允许不得转载。

推荐阅读：

相关文章