如何提取Redshift嵌套表struct列内数组的首个提交邮箱？

错误原因 #

你之前的查询报错是因为直接尝试访问数组commits的嵌套author字段，Hive/Spark SQL不允许这种直接访问方式。commits是数组类型，必须先指定数组元素的索引，或者用数组处理函数来访问内部结构。

正确查询语句 #

如果只需要提取首个提交的邮箱，直接通过数组索引[0]访问第一个元素即可：

SELECT 
  payload.action,
  payload.commits[0].author.email AS first_commit_email
FROM ghdata g

兼容空数组的健壮写法 #

如果存在commits数组为空的情况，可以添加判断避免报错：

SELECT 
  payload.action,
  CASE 
    WHEN size(payload.commits) > 0 THEN payload.commits[0].author.email 
    ELSE NULL 
  END AS first_commit_email
FROM ghdata g

补充：若需提取所有提交的邮箱 #

如果后续需要提取所有提交的邮箱，才需要用LATERAL VIEW explode展开数组：

SELECT 
  payload.action,
  c.author.email
FROM ghdata g
LATERAL VIEW explode(payload.commits) exploded_commits AS c

内容的提问来源于stack exchange，提问作者Bob