Databricks SQL含子查询与Group By报错：需添加至Group By或用first()包裹

问题原因 #

Databricks SQL（基于Spark SQL）的GROUP BY规则比MS SQL更严格：SELECT子句里所有非聚合的列必须出现在GROUP BY中。你的原查询在外层直接用ts_inititals作为concat_ws的参数，但既没把它放进GROUP BY，也没包裹在聚合函数里，这就违反了规则，导致报错。

修正方案 #

要把同一个activityid对应的所有ts_inititals拼成逗号分隔的字符串，得先用聚合函数把这些值收集起来，再做拼接。常用的聚合函数有两个：

• collect_list：保留重复值（如果同一个用户多次关联到同一个活动）
• collect_set：自动去重（每个用户只出现一次）

保留重复值的版本

SELECT
    activityid,
    concat_ws(', ', collect_list(ts_inititals)) AS attendees
FROM baseorigination.activityparty
LEFT JOIN baseorigination.systemuser
    ON activityparty.partyid = systemuser.systemuserid
WHERE ts_inititals IS NOT NULL -- 过滤掉未匹配到用户的空值
GROUP BY activityid;

去重版本

SELECT
    activityid,
    concat_ws(', ', collect_set(ts_inititals)) AS attendees
FROM baseorigination.activityparty
LEFT JOIN baseorigination.systemuser
    ON activityparty.partyid = systemuser.systemuserid
WHERE ts_inititals IS NOT NULL
GROUP BY activityid;

补充说明 #

原查询里的子查询完全没必要，直接在主查询里关联两张表再聚合就行。加WHERE ts_inititals IS NOT NULL是为了避免LEFT JOIN时没找到用户导致的空值混入结果，防止最终字符串出现多余的逗号。

内容的提问来源于stack exchange，提问作者Patterson