Hive操作ARRAY/STRUCT：基于IMDB数据集查询指定影片演员（无需UDF）

你完全能用Hive原生SQL搞定这个需求，根本不用写自定义UDF。下面分几种常见场景给你具体的实现方案：

1. 基于标准IMDB表结构的查询 #

通常IMDB数据集的核心关联表是这两张：

• title_principals：存储影片ID（tconst）和参演人员ID（nconst）的关联关系，还有参演类别（比如actor/actress）
• name_basics：存储参演人员的基本信息，比如姓名（primary_name）

如果你的Hive表是这种结构，直接用JOIN就能查询目标影片的演员：

SELECT 
    nb.primary_name AS actor_name,
    tp.category AS role_type
FROM 
    title_principals tp
INNER JOIN 
    name_basics nb 
    ON tp.nconst = nb.nconst
WHERE 
    tp.tconst = 'tt0057877'
    -- 可选：只过滤演员，排除导演、制片人等其他角色
    AND tp.category IN ('actor', 'actress');

2. 包含额外样本数据的场景 #

如果你的另一部分样本数据存在一张结构类似的表（比如叫title_principals_sample），可以先用UNION ALL合并两张表的数据，再关联查询：

SELECT 
    nb.primary_name AS actor_name,
    combined.category AS role_type
FROM 
    (
        -- 合并主表和样本表的关联数据
        SELECT tconst, nconst, category FROM title_principals
        UNION ALL
        SELECT tconst, nconst, category FROM title_principals_sample
    ) combined
INNER JOIN 
    name_basics nb 
    ON combined.nconst = nb.nconst
WHERE 
    combined.tconst = 'tt0057877'
    AND combined.category IN ('actor', 'actress');

3. 演员信息存储为数组字段的情况 #

如果你的影片表（比如title_basics）直接用数组字段（比如cast）存储演员姓名，Hive原生的LATERAL VIEW EXPLODE就能展开数组查询：

SELECT 
    exploded_cast AS actor_name
FROM 
    title_basics
-- 展开数组字段，将数组元素转为多行数据
LATERAL VIEW EXPLODE(cast) exploded_table AS exploded_cast
WHERE 
    tconst = 'tt0057877';

上面这些方法都是Hive原生支持的语法，完全不需要依赖自定义UDF。如果你的表结构和上述假设不同，可以补充下具体的表字段细节，我再帮你调整语句~

内容的提问来源于stack exchange，提问作者user3123372