`collect_set`是Hive中的一個聚合函數，其作用是將一組列中的值收集成一個數組，并且自動去除數組中的重復元素。這個函數對于進行數據去重并查看某一列中有哪些不同的值特別有用。
1、基本語法
```sql
COLLECT_SET(column_name)
```
- `column_name`：指定你想要從中收集并去重值的列名。
2、示例
假設有一個表`orders`，它有兩列：`order_id`和`product_id`。
| order_id | product_id |
|----------|------------|
| 1 | A |
| 1 | B |
| 1 | A |
| 2 | A |
| 2 | C |
如果你想要查看每個`order_id`購買了哪些不同的`product_id`，可以使用`collect_set`函數：
```sql
SELECT order_id, collect_set(product_id) AS products
FROM orders
GROUP BY order_id;
```
這條查詢可能會返回類似下面的結果：
| order_id | products |
|----------|------------|
| 1 | ["A", "B"] |
| 2 | ["A", "C"] |
注意，由于`collect_set`自動去除了重復項，所以即便`order_id`為1的訂單中有兩次產品A，結果中只顯示了一次。
3、注意事項
- 使用`collect_set`時，需要注意它會消耗大量內存，尤其是當處理大量數據時。因此，在使用這個函數之前，評估數據大小和內存限制是很重要的。
- 返回的數組中元素的順序是不確定的。
- `collect_set`僅適用于Hive等支持此函數的SQL方言，不是所有的SQL數據庫都支持這個函數。
