首页 / 聚合

COLLECT_LIST 聚合为数组

COLLECT_LIST 把一组值按原样聚合成数组，保留重复值。MaxCompute、Doris、Hive 和 Spark 同名可用，其他引擎改写为 ARRAY_AGG。各引擎都不保证元素顺序，StarRocks 3.0 起可以在 ARRAY_AGG 中写 ORDER BY。

各引擎写法

引擎	支持	写法	说明	依据
MaxCompute	支持	`COLLECT_LIST(colname)`	值为 NULL 的行不参与计算，结果不保证顺序。官方建议拼接字符串时改用 WM_CONCAT。	官方文档
Hologres	需改写	`ARRAY_AGG(expression)`	没有 COLLECT_LIST，用 ARRAY_AGG。	官方文档
StarRocks	需改写	`ARRAY_AGG(col [ORDER BY ...])`	在 StarRocks 文档中搜索不到 COLLECT_LIST。ARRAY_AGG 会保留 NULL，3.0 起支持 ORDER BY 指定元素顺序。	官方文档
Doris	支持	`COLLECT_LIST(expr[, max_size])`	别名 GROUP_ARRAY，会丢弃 NULL，max_size 限制数组长度。	官方文档
Hive	支持	`collect_list(col)`	Hive 0.13.0 起提供，保留重复值。	官方文档
Spark SQL	支持	`collect_list(expr)`	Spark 2.0.0 起提供，结果顺序不确定。3.3.0 起另有同义的 array_agg。	官方文档
Flink SQL	需改写	`ARRAY_AGG(expression)`	没有输入行时返回 NULL，可以用 RESPECT NULLS 或 IGNORE NULLS 控制是否保留 NULL。	官方文档

不要依赖数组元素的顺序。MaxCompute 文档建议用 SORT_ARRAY 排序；StarRocks 可以直接写 ARRAY_AGG(x ORDER BY y)。
用 COLLECT_LIST(x)[0] 取每组的一个值时，MaxCompute 官方建议改用 ANY_VALUE，性能更好，语义也更清楚。
StarRocks 的 ARRAY_AGG 保留 NULL，MaxCompute 和 Doris 的 COLLECT_LIST 丢弃 NULL，数组长度可能不一致。

MaxCompute

-- 按页面名排序，不是按访问时间
SELECT user_id, SORT_ARRAY(COLLECT_LIST(page)) FROM visits GROUP BY user_id;

StarRocks

-- 按访问时间排序
SELECT user_id, ARRAY_AGG(page ORDER BY visit_time) FROM visits GROUP BY user_id;

Spark SQL

SELECT user_id, collect_list(page) FROM visits GROUP BY user_id;