Hive listagg与collect_list区别对比

在Hive里做行转列聚合的时候，经常会碰到两个老朋友：listagg和collect_list。它们都能把多行数据合并成一个字符串列，乍一看挺像，但实际用起来差别还真不小，选错了可是要踩坑的。

数据类型区别

• listagg返回的是一个string类型，就是把所有输入值直接拼成一根长字符串。
• collect_list返回的是array类型，虽然也是把值串起来，但人家是打包成一个字符串数组，每个元素都独立存在。

空值处理差异

• 用listagg的时候，如果某一行是空值，它会自动忽略掉，最终结果里压根不会有这个坑。
• 而collect_list呢，空值不会被吞掉，它会作为一个单独的元素老老实实待在数组里。所以如果你的数据里有空值，结果数组里就会多一个null元素，后续处理时得留意。

性能对比

大多数场景下listagg跑得更快——它生成的结果字符串更短，而且省去了数组包装的开销。不过在某些特殊情况下，比如需要处理大量重复值、或者要求按特定顺序排序时，collect_list反而可能表现更好。这跟底层实现和内存管理有关系，值得根据实际数据量做个测试。

如何选择

• 如果你只是想把多行值简单拼成一个字符串，而且不想看到空值捣乱，listagg是最省心的选择。
• 如果你需要保留一个数组结构，或者必须处理空值（比如后续要判断是否有缺失），又或者对排序有硬性要求，那collect_list更合适。

最后提醒一句：不管选哪个，都要先摸清数据里有没有空值、重复值多不多、最终输出需要什么格式。别等到跑完才发现结果跟预期对不上。