向array<struct>类型表插入数据时，collect_set(named_struct)与array(named_struct)的差异

嘿，这个问题问到点子上了！我来给你拆解清楚collect_set(named_struct)和array(named_struct)在插入array<struct>字段时的核心差异，保证你看完就懂～

1. 本质定位完全不同 #

• array(named_struct(...))是普通数组构造函数：不需要依赖分组，你写几个named_struct参数，它就生成包含对应元素的数组，完全是“你写啥就有啥”的手动构造。
• collect_set(named_struct(...))是聚合函数：必须配合GROUP BY使用，它的作用是把分组内所有符合条件的struct数据收集起来，是对批量数据的聚合处理。

2. 去重特性天差地别 #

• array(...)：会完整保留所有传入的struct，哪怕有完全相同的元素也不会去重。举个例子：

  SELECT array(named_struct('id', 1, 'name', 'Alice'), named_struct('id', 1, 'name', 'Alice')) AS user_arr;
  -- 结果：[{"id":1,"name":"Alice"}, {"id":1,"name":"Alice"}]
  

• collect_set(...)：会自动对收集到的struct做去重处理，相同的struct只会保留一个。比如：

  SELECT collect_set(named_struct('id', id, 'name', name)) AS user_arr
  FROM (VALUES (1, 'Alice'), (1, 'Alice'), (2, 'Bob')) AS t(id, name)
  GROUP BY id;
  -- 按id分组后，id=1的组结果：[{"id":1,"name":"Alice"}]，重复的元素被自动剔除
  

3. 元素顺序的确定性不同 #

• array(...)：数组里的元素顺序和你写named_struct的顺序完全一致，是100%确定的。
• collect_set(...)：因为底层是基于“集合”的逻辑，集合本身是无序的，所以最终数组里的元素顺序是不确定的，每次执行结果的顺序可能不一样（别依赖它的顺序哦）。

4. 使用场景各有侧重 #

• 如果你需要手动指定数组的每一个元素，不需要去重，比如给某个字段固定赋值几个特定的struct，那就用array(named_struct(...))。
• 如果你需要从分组数据中收集所有不重复的struct，比如统计每个用户的所有唯一收货地址（地址用struct存储），那就用collect_set(named_struct(...))。

另外补充一句：如果你需要聚合收集但又不想去重，可以用collect_list(named_struct(...))，它和collect_set类似，但会保留所有重复元素，不过顺序同样不确定。

内容的提问来源于stack exchange，提问作者kmreddy