SQL中是否有对单个字符串元素排序并聚合分数的函数？

现有数据表如下：

需要实现：对每条记录的element字段字符串按单个字符排序，将排序后结果相同的记录的score字段求和，最终输出：

当前使用的字符串排序实现层级冗余、开销较高，代码如下：

SELECT
    element,
    CONCAT_WS('', sorted_chars) AS sorted_input
FROM 
    (SELECT
         element,
         sort_array(collect_list(char), true) AS sorted_chars
     FROM 
         (SELECT
              element,
              explode(split(element, '')) AS char
          FROM 
              table) t
     GROUP BY 
         element) t

针对Spark SQL 3.0+版本 #

利用原生array_sort函数直接处理拆分后的字符数组，省去拆分再聚合的冗余步骤，代码更简洁高效：

SELECT
    first(element) AS element,
    SUM(score) AS score
FROM (
    SELECT
        element,
        score,
        -- 拆分字符串为数组→排序→拼接为有序字符串，作为分组依据
        concat_ws('', array_sort(split(element, ''))) AS sorted_element
    FROM your_table_name
) t
GROUP BY sorted_element

针对Hive SQL版本 #

Hive无array_sort，但可直接用sort_array处理拆分后的数组，同样能简化逻辑：

SELECT
    first(element) AS element,
    SUM(score) AS score
FROM (
    SELECT
        element,
        score,
        concat_ws('', sort_array(split(element, ''))) AS sorted_element
    FROM your_table_name
) t
GROUP BY sorted_element

优化核心点 #

1. 减少子查询层级：原方案需3层嵌套，优化后仅需2层，逻辑更直观
2. 避免无效数据膨胀：原方案通过explode拆分单条记录为多条，再用collect_list聚合，会产生额外数据处理开销；优化方案直接对数组排序，无数据拆分聚合的冗余操作
3. 原生函数性能更优：array_sort/sort_array为引擎原生优化的排序函数，性能优于sort_array(collect_list(...))的组合

内容的提问来源于stack exchange，提问作者Ritwik Sinha