常用Hive函数分享

2023-10-19 07:46:38

前言：分享下常用的Hive函数

常用Hive函数分享

- - 1. 字符函数
  - - 1.1 concat 拼接函数
    - 1.2 concat_ws 拼接并分割
    - 1.3 substr/substring 截取字符串
    - 1.4 trim 去除两边空格
    - 1.5 repeat 复制字符串
    - 1.6 lpad 左填充字符串
    - 1.7 rpad 右填充字符串
    - 1.8 split 分割函数
    - 1.9 find_in_set:
  - 2. 聚合函数
  - - 2.1 count 汇总统计
    - 2.2 sum 相加求和
    - 2.3 avg
    - 2.4 collect_list
    - 2.5 collect_set
  - 3. 时间函数
  - - 3.1 unix_timestamp
    - 3.2 FROM_UNIXTIME
    - 3.3 to_date
    - 3.4 weekofyear
    - 3.5 datediff
    - 3.6 date_add
    - 3.7 date_sub
  - 4. 窗口函数over
  - - 4.1 由三部分组成窗口函数：
    - 4.2 概念：
    - 4.3 over()内部有3块分别是partition by , order by , 和最后一个frame子句。
  - 5. 关系运算
  - 6. 数学运算
  - 7. 逻辑运算
  - 8. 数值计算
  - 9. 日期函数
  - 10. 条件函数
  - 11. 字符串函数
  - 12. 集合统计函数
  - 13. 复合类型构建操作
  - 14. 复杂类型访问操作
  - 15. 复杂类型长度统计函数
  - 16.疑问解答与加群学习交流

1. 字符函数

1.1 concat 拼接函数

说明：拼接字符

SELECT concat(first_name,cast( unix_timestamp() as STRING)) from dwd_94e8c88126d346cdbd8d34ea9c39e98f.dwd_user_member

1.2 concat_ws 拼接并分割

说明：拼接字符并分割

SELECT CONCAT_WS(':',first_name,cast( unix_timestamp() as STRING)) from dwd_94e8c88126d346cdbd8d34ea9c39e98f.dwd_user_member

输出：

"welsh:20200801"
……

1.3 substr/substring 截取字符串

说明：截取字符串
用法：

1. substr（string A，int start）和 substring（string A，int start）一致
2. substr（string A，int start，int len）和 substring（string A，int start，int len）一致

1.4 trim 去除两边空格

用法：trim(col)

select trim(' welsh ')
# 输出：
"welsh"

1.5 repeat 复制字符串

说明：复制函数
用法：repeat(string str, int n)

select repeat('user',2)
# 输出：
"useruser"

1.6 lpad 左填充字符串

说明：填充函数，默认从左开始补充
用法：lpad(string str, int len, string pad)

select lpad('welsh',10, 'ddd')//共填充10个长度
# 输出：
"dddddwelsh"

1.7 rpad 右填充字符串

说明：右填充字符串，默认从右开始补充
用法： rpad(string str,int len,string pad)

select rpad('welsh',10, 'ddd')//共填充10个长度
# 输出：
"welshddddd"

1.8 split 分割函数

说明：分割函数，返回list
用法：split(string str, string pat)

select split('welshUAlbertUGG','U')
# 输出：
["welsh","Albert","GG"]

1.9 find_in_set:

说明：查找函数，返回首次出现该字符位置
用法：find_in_set(string str, string strList)

select find_in_set('welsh','Albert,and,welsh,go,to,Swimming')
# 输出：
3

2. 聚合函数

说明：对数据汇总、相加、平均、最大值、最小值
枚举：count、sum、avg、min、max、collect_list、collect_set

2.1 count 汇总统计

说明：汇总，若使用distinct则是去重后再汇总
用法：count(*)，count(distint col)

# count统计包含null值总数
select count(*) from user_view
# count 不含null值总数
select count(1) from user_view
# count(distinct col)统计去重总数
select count(distinct user_name) from user_view

2.2 sum 相加求和

说明：相加，若使用distinct则是去重后再汇总
用法：sum(*)，sum(distint col)

# sum 统计总值
select SUM(pv) FROM user_view
# sum 统计去重后总值
SELECT SUM(DISTINCT pv) FROM user_view

2.3 avg

说明：平均值，若使用distinct则是去重后在求平均值
用法：avg(*)，avg(distint col)

# avg平均值
SELECT avg(pv) FROM user_view
# avg(distinct pv)去重后平均值
SELECT avg(distinct pv) FROM user_view
# min最小值
SELECT min(pv) FROM user_view
# max最大值
SELECT max(pv) FROM user_view

2.4 collect_list

说明：将字段组装成一个list，没有去重
用法：collect_list(col)

select collect_list(user_name) from dmall_gaea_analysis.user_view;
# 输出：
["Sone","welsh","Sone","Albert","GG","Albert","welsh","welsh","Albert","Sone","welsh","Albert","Jojo","welsh","welsh","Sone","Jojo","Albert","Jojo","GG","J.K"]

2.5 collect_set

说明：将字段组装成一个list，去重
用法：collect_set(col)

select collect_set(user_name) from dmall_gaea_analysis.user_view;
# 输出：
["Sone","welsh","Albert","GG","Jojo","J.K"]

3. 时间函数

说明：时间获取、格式化、2个时间相差、时间增加、时间减少
枚举：unix_timestamp、FROM_UNIXTIME、to_date、weekofyear、weekofyear、datediff、date_add、date_sub

3.1 unix_timestamp

说明：获取当前时间戳
用法：unix_timestamp()

SELECT unix_timestamp()
# 输出：
1600226901

3.2 FROM_UNIXTIME

说明：格式化时间戳，通常与unix_timestamp()一起用，获取当前时间
用法：FROM_UNIXTIME()

SELECT FROM_UNIXTIME(unix_timestamp(),'yyyyMMdd')
# 输出：
20200916

3.3 to_date

说明：格式化时间
用法：to_date()

SELECT to_date('2020-09-10 10:03:01') as dt
# 输出：
2020-09-10

3.4 weekofyear

说明：返回当前周
用法：weekofyear()

SELECT weekofyear('2020-09-08 10:03:01') as now_time
# 输出：
37

3.5 datediff

说明：日期相差天数
用法：datediff()

select datediff('2020-09-09','2020-08-08')
# 输出：
32

3.6 date_add

说明：日期增加
用法：date_add()

select date_add('2020-09-08',10) as date_time
# 输出：
2020-09-18

3.7 date_sub

说明：日期减少N天
用法：date_sub()

select date_sub('2020-09-08',10) as date_time
# 输出：
2020-08-29

4. 窗口函数over

说明：常用于对现有数据的排名，通常与
枚举：row_number、RANK、DENSE_RANK
row_number(): 分组后，从1开始排名，遇到相同值按照表中记录的顺序进行排列
RANK()：分组后，从1开始排名，遇到相同值会在名次中留下空位
DENSE_RANK()：分组后，从1开始排名，遇到相同值不会留下空位

select
user_name,pv,
row_number() over (partition by site_id,dt order by pv desc) as ord_1,
RANK() over (partition by site_id,dt order by pv desc) as ord_2,
DENSE_RANK() over (partition by site_id,dt order by pv desc) as ord_3
from dmall_gaea_analysis.user_view where dt='20200803' and site_id='A20'

4.1 由三部分组成窗口函数：

partition by，先对表格分组。【可选】
order by，对每个组排序【可选】
函数+frame子句。对每行数据执行的操作，及操作的作用范围，默认是当前行及这行上面的本组的所有行。

4.2 概念：

当前行：函数计算所在行被称为当前行current row
当前行的窗口：当前行涉及的使用函数计算的query rows组成了一个窗口（由frame设置范围）。所以窗口就是指当前行涉及的使用函数计算的query rows。

4.3 over()内部有3块分别是partition by , order by , 和最后一个frame子句。

格式：

函数() OVER ([PARTITION BY expr,…], [order by expr [asc|desc],…] [, window frame子句]) AS 别名

5. 关系运算

等值比较: =
语法：A=B操作类型：所有基本类型描述: 如果表达式A与表达式B相等，则为TRUE；否则为FALSE

hive> select 1 from tableName where 1=1;

不等值比较: <>
语法: A <> B操作类型: 所有基本类型描述: 如果表达式A为NULL，或者表达式B为NULL，返回NULL；如果表达式A与表达式B不相等，则为TRUE；否则为FALSE

hive> select 1 from tableName where 1 <> 2;

小于比较: <
语法: A < B操作类型：所有基本类型描述: 如果表达式A为NULL，或者表达式B为NULL，返回NULL；如果表达式A小于表达式B，则为TRUE；否则为FALSE

hive> select 1 from tableName where 1 < 2;

小于等于比较: <=
语法: A <= B操作类型: 所有基本类型描述: 如果表达式A为NULL，或者表达式B为NULL，返回NULL；如果表达式A小于或者等于表达式B，则为TRUE；否则为FALSE

hive> select 1 from tableName where 1 < = 1;

大于比较: >
语法: A > B操作类型: 所有基本类型描述: 如果表达式A为NULL，或者表达式B为NULL，返回NULL；如果表达式A大于表达式B，则为TRUE；否则为FALSE

hive> select 1 from tableName where 2 > 1;

大于等于比较: >=
语法: A >= B操作类型: 所有基本类型描述: 如果表达式A为NULL，或者表达式B为NULL，返回NULL；如果表达式A大于或者等于表达式B，则为TRUE；否则为FALSE

hive> select 1 from tableName where 1 >= 1;

空值判断: IS NULL
语法: A IS NULL操作类型: 所有类型描述: 如果表达式A的值为NULL，则为TRUE；否则为FALSE

hive> select 1 from tableName where null is null;

非空判断: IS NOT NULL
语法: A IS NOT NULL操作类型: 所有类型描述: 如果表达式A的值为NULL，则为FALSE；否则为TRUE

hive> select 1 from tableName where 1 is not null;

LIKE比较: LIKE
语法: A LIKE B操作类型: strings描述: 如果字符串A或者字符串B为NULL，则返回NULL；如果字符串A符合表达式B 的正则语法，则为TRUE；否则为FALSE。B中字符”_”表示任意单个字符，而字符”%”表示任意数量的字符。

hive> select 1 from tableName where 'football' like 'foot%';
hive> select 1 from tableName where 'football' like 'foot__'

6. 数学运算

加法操作: +
语法: A + B操作类型：所有数值类型说明：返回A与B相加的结果。结果的数值类型等于A的类型和B的类型的最小父类型（详见数据类型的继承关系）
减法操作: -
语法: A – B操作类型：所有数值类型说明：返回A与B相减的结果。结果的数值类型等于A的类型和B的类型的最小父类型（详见数据类型的继承关系）。比如，int – int 一般结果为int类型，而 int – double 一般结果为double类型

hive&;gt; select 10 – 5 from tableName;
5
hive> create table tableName as select 5.6 – 4 from tableName;
hive> describe tableName;

乘法操作:
语法: A B操作类型：所有数值类型说明：返回A与B相乘的结果。结果的数值类型等于A的类型和B的类型的最小父类型（详见数据类型的继承关系）。注意，如果A乘以B的结果超过默认结果类型的数值范围，则需要通过cast将结果转换成范围更大的数值类型

hive> select 40 * 5 from tableName;
200

除法操作: /
语法: A / B操作类型：所有数值类型说明：返回A除以B的结果。结果的数值类型为double

hive> select 40 / 5 from tableName;
8.0

注意：hive中最高精度的数据类型是double,只精确到小数点后16位，在做除法运算的时候要特别注意

hive>select ceil(28.0/6.999999999999999999999) from tableName limit 1;
结果为4
hive>select ceil(28.0/6.99999999999999) from tableName limit 1;
结果为5

取余操作: %
语法: A % B操作类型：所有数值类型说明：返回A除以B的余数。结果的数值类型等于A的类型和B的类型的最小父类型（详见数据类型的继承关系）。

hive> select 41 % 5 from tableName;
1
hive> select 8.4 % 4 from tableName;
0.40000000000000036

注意：精度在hive中是个很大的问题，类似这样的操作最好通过round指定精度

hive> select round(8.4 % 4 , 2) from tableName;
0.4

位与操作: &
语法: A &B操作类型：所有数值类型说明：返回A和B按位进行与操作的结果。结果的数值类型等于A的类型和B的类型的最小父类型（详见数据类型的继承关系）。

hive> select 4 & 8 from tableName;
0
hive> select 6 & 4 from tableName;
4

位或操作: |
语法: A | B操作类型：所有数值类型说明：返回A和B按位进行或操作的结果。结果的数值类型等于A的类型和B的类型的最小父类型（详见数据类型的继承关系）。

hive&;gt; select 4 | 8 from tableName;
12
hive&;gt; select 6 | 8 from tableName;
14

位异或操作:
语法: A B操作类型：所有数值类型说明：返回A和B按位进行异或操作的结果。结果的数值类型等于A的类型和B的类型的最小父类型（详见数据类型的继承关系）。

hive> select 4  8 from tableName;
12
hive> select 6  4 from tableName;
2

位取反操作: ~
语法: ~A操作类型：所有数值类型说明：返回A按位取反操作的结果。结果的数值类型等于A的类型。

hive> select ~6 from tableName;
-7
hive> select ~4 from tableName;
-5

7. 逻辑运算

逻辑与操作: AND
语法: A AND B操作类型：boolean说明：如果A和B均为TRUE，则为TRUE；否则为FALSE。如果A为NULL或B为NULL，则为NULL

hive&gt; select 1 from tableName where 1=1 and 2=2;

逻辑或操作: OR
语法: A OR B操作类型：boolean说明：如果A为TRUE，或者B为TRUE，或者A和B均为TRUE，则为TRUE；否则为FALSE

hive&gt; select 1 from tableName where 1=2 or 2=2;
1

逻辑非操作: NOT
语法: NOT A操作类型：boolean说明：如果A为FALSE，或者A为NULL，则为TRUE；否则为FALSE

hive&gt; select 1 from tableName where not 1=2;
1

8. 数值计算

取整函数: round
语法: round(double a)返回值: BIGINT说明: 返回double类型的整数值部分（遵循四舍五入）

hive&gt; select round(3.1415926) from tableName;
3
hive&gt; select round(3.5) from tableName;
4
hive&gt; create table tableName as select round(9542.158) from tableName;
hive&gt; describe tableName;

指定精度取整函数: round
语法: round(double a, int d)返回值: DOUBLE说明: 返回指定精度d的double类型

hive> select round(3.1415926,4) from tableName;
3.1416

向下取整函数: floor
语法: floor(double a)返回值: BIGINT说明: 返回等于或者小于该double变量的最大的整数

hive> select floor(3.1415926) from tableName;
3
hive> select floor(25) from tableName;
25

向上取整函数: ceil
语法: ceil(double a)返回值: BIGINT说明: 返回等于或者大于该double变量的最小的整数

hive> select ceil(3.1415926) from tableName;
4
hive> select ceil(46) from tableName;
46

向上取整函数: ceiling
语法: ceiling(double a)返回值: BIGINT说明: 与ceil功能相同

hive> select ceiling(3.1415926) from tableName;
4
hive> select ceiling(46) from tableName;
46

取随机数函数: rand *
语法: rand(),rand(int seed)返回值: double说明: 返回一个0到1范围内的随机数。如果指定种子seed，则会等到一个稳定的随机数序列

hive> select rand() from tableName;
0.5577432776034763
hive> select rand() from tableName;
0.6638336467363424
hive> select rand(100) from tableName;
0.7220096548596434
hive> select rand(100) from tableName;
0.7220096548596434

自然指数函数: exp
语法: exp(double a)返回值: double说明: 返回自然对数e的a次方

hive> select exp(2) from tableName;
7.38905609893065

自然对数函数: ln
语法: ln(double a)
返回值: double
说明: 返回a的自然对数

hive> select ln(7.38905609893065) from tableName;
2.0

以10为底对数函数: log10
语法: log10(double a)返回值: double说明: 返回以10为底的a的对数

hive> select log10(100) from tableName;
2.0

以2为底对数函数: log2
语法: log2(double a)返回值: double说明: 返回以2为底的a的对数

hive> select log2(8) from tableName;
3.0

对数函数: log
语法: log(double base, double a)返回值: double说明: 返回以base为底的a的对数

hive> select log(4,256) from tableName;
4.0

幂运算函数: pow
语法: pow(double a, double p)返回值: double说明: 返回a的p次幂

hive> select pow(2,4) from tableName;
16.0

幂运算函数: power
语法: power(double a, double p)返回值: double说明: 返回a的p次幂,与pow功能相同

hive> select power(2,4) from tableName;
16.0

开平方函数: sqrt
语法: sqrt(double a)返回值: double说明: 返回a的平方根

hive> select sqrt(16) from tableName;
4.0

二进制函数: bin
语法: bin(BIGINT a)返回值: string说明: 返回a的二进制代码表示

hive> select bin(7) from tableName;

十六进制函数: hex
语法: hex(BIGINT a)返回值: string说明: 如果变量是int类型，那么返回a的十六进制表示；如果变量是string类型，则返回该字符串的十六进制表示

hive> select hex(17) from tableName;
hive> select hex(‘abc’) from tableName;
616263

反转十六进制函数: unhex
语法: unhex(string a)返回值: string说明: 返回该十六进制字符串所代码的字符串

hive> select unhex(‘616263’) from tableName;
abchive> select unhex(‘11’) from tableName;hive> select unhex(616263) from tableName;abc

进制转换函数: conv
语法: conv(BIGINT num, int from_base, int to_base)返回值: string说明: 将数值num从from_base进制转化到to_base进制

hive> select conv(17,10,16) from tableName;
11
hive> select conv(17,10,2) from tableName;
10001

绝对值函数: abs
语法: abs(double a) abs(int a)返回值: double int说明: 返回数值a的绝对值

hive> select abs(-3.9) from tableName;
3.9
hive> select abs(10.9) from tableName;
10.9

正取余函数: pmod
语法: pmod(int a, int b),pmod(double a, double b)返回值: int double说明: 返回正的a除以b的余数

hive> select pmod(9,4) from tableName;
1
hive> select pmod(-9,4) from tableName;
3

正弦函数: sin
语法: sin(double a)返回值: double说明: 返回a的正弦值

hive> select sin(0.8) from tableName;
0.7173560908995228

反正弦函数: asin
语法: asin(double a)返回值: double说明: 返回a的反正弦值

hive> select asin(0.7173560908995228) from tableName;
0.8

余弦函数: cos
语法: cos(double a)返回值: double说明: 返回a的余弦值

hive> select cos(0.9) from tableName;
0.6216099682706644

反余弦函数: acos
语法: acos(double a)返回值: double说明: 返回a的反余弦值

hive> select acos(0.6216099682706644) from tableName;
0.9

positive函数: positive
语法: positive(int a), positive(double a)返回值: int double说明: 返回a

hive> select positive(-10) from tableName;
-10
hive> select positive(12) from tableName;
12

negative函数: negative
语法: negative(int a), negative(double a)返回值: int double说明: 返回-a

hive> select negative(-5) from tableName;
5
hive> select negative(8) from tableName;
-8

9. 日期函数

1、UNIX时间戳转日期函数: from_unixtime
语法: from_unixtime(bigint unixtime[, string format])返回值: string说明: 转化UNIX时间戳（从1970-01-01 00:00:00 UTC到指定时间的秒数）到当前时区的时间格式

hive&gt; select from_unixtime(1323308943,'yyyyMMdd') from tableName;
20111208

2、获取当前UNIX时间戳函数: unix_timestamp
语法: unix_timestamp()返回值: bigint说明: 获得当前时区的UNIX时间戳

hive> select unix_timestamp() from tableName;
1323309615

3、日期转UNIX时间戳函数: unix_timestamp
语法: unix_timestamp(string date)返回值: bigint说明: 转换格式为"yyyy-MM-dd HH:mm:ss"的日期到UNIX时间戳。如果转化失败，则返回0。

hive> select unix_timestamp('2011-12-07 13:01:03') from tableName;
1323234063

4、指定格式日期转UNIX时间戳函数: unix_timestamp __
语法: unix_timestamp(string date, string pattern)返回值: bigint说明: 转换pattern格式的日期到UNIX时间戳。如果转化失败，则返回0。

hive> select unix_timestamp('20111207 13:01:03','yyyyMMdd HH:mm:ss') from tableName;
1323234063

5、日期时间转日期函数: to_date
语法: to_date(string timestamp)返回值: string说明: 返回日期时间字段中的日期部分。

hive> select to_date('2011-12-08 10:03:01') from tableName;
2011-12-08

6、日期转年函数: year
语法: year(string date)返回值: int说明: 返回日期中的年。

hive> select year('2011-12-08 10:03:01') from tableName;
2011
hive> select year('2012-12-08') from tableName;
2012

7、日期转月函数: month
语法: month (string date)返回值: int说明: 返回日期中的月份。

hive> select month('2011-12-08 10:03:01') from tableName;
12
hive> select month('2011-08-08') from tableName;
8

8、日期转天函数: day
语法: day (string date)返回值: int说明: 返回日期中的天。

hive> select day('2011-12-08 10:03:01') from tableName;
8
hive> select day('2011-12-24') from tableName;
24

9、日期转小时函数: hour
语法: hour (string date)返回值: int说明: 返回日期中的小时。

hive> select hour('2011-12-08 10:03:01') from tableName;
10

10、日期转分钟函数: minute
语法: minute (string date)返回值: int说明: 返回日期中的分钟。

hive> select minute('2011-12-08 10:03:01') from tableName;
3

11、日期转秒函数: second
语法: second (string date)返回值: int说明: 返回日期中的秒。

hive> select second('2011-12-08 10:03:01') from tableName;
1

12、日期转周函数: weekofyear
语法: weekofyear (string date)返回值: int说明: 返回日期在当前的周数。

hive> select weekofyear('2011-12-08 10:03:01') from tableName;
49

13、日期比较函数: datediff
语法: datediff(string enddate, string startdate)返回值: int说明: 返回结束日期减去开始日期的天数。

hive> select datediff('2012-12-08','2012-05-09') from tableName;
213

14、日期增加函数: date_add
语法: date_add(string startdate, int days)返回值: string说明: 返回开始日期startdate增加days天后的日期。

hive> select date_add('2012-12-08',10) from tableName;
2012-12-18

15、日期减少函数: date_sub
语法: date_sub (string startdate, int days)返回值: string说明: 返回开始日期startdate减少days天后的日期。

hive> select date_sub('2012-12-08',10) from tableName;
2012-11-28

10. 条件函数

1、If函数: if
语法: if(boolean testCondition, T valueTrue, T valueFalseOrNull)返回值: T说明: 当条件testCondition为TRUE时，返回valueTrue；否则返回valueFalseOrNull

hive> select if(1=2,100,200) from tableName;
200
hive> select if(1=1,100,200) from tableName;
100

2、非空查找函数: COALESCE
语法: COALESCE(T v1, T v2, …)返回值: T说明: 返回参数中的第一个非空值；如果所有值都为NULL，那么返回NULL

hive> select COALESCE(null,'100','50') from tableName;
100

3、条件判断函数：CASE __
语法: CASE a WHEN b THEN c [WHEN d THEN e] [ELSE f] END返回值: T说明：如果a等于b，那么返回c；如果a等于d，那么返回e；否则返回f

hive> Select case 100 when 50 then 'tom' when 100 then 'mary' else 'tim' end from tableName;
mary
hive> Select case 200 when 50 then 'tom' when 100 then 'mary' else 'tim' end from tableName;
tim

4、条件判断函数：CASE **
语法: CASE WHEN a THEN b [WHEN c THEN d] [ELSE e] END返回值: T说明：如果a为TRUE,则返回b；如果c为TRUE，则返回d；否则返回e

hive> select case when 1=2 then 'tom' when 2=2 then 'mary' else 'tim' end from tableName;
mary
hive> select case when 1=1 then 'tom' when 2=2 then 'mary' else 'tim' end from tableName;
tom

11. 字符串函数

1、字符串长度函数：length
语法: length(string A)返回值: int说明：返回字符串A的长度

hive> select length('abcedfg') from tableName;
7

2、字符串反转函数：reverse
语法: reverse(string A)返回值: string说明：返回字符串A的反转结果

hive> select reverse('abcedfg') from tableName;
gfdecba

3、字符串连接函数：concat **
语法: concat(string A, string B…)返回值: string说明：返回输入字符串连接后的结果，支持任意个输入字符串

hive> select concat('abc','def','gh') from tableName;
abcdefgh

4、带分隔符字符串连接函数：concat_ws
语法: concat_ws(string SEP, string A, string B…)返回值: string说明：返回输入字符串连接后的结果，SEP表示各个字符串间的分隔符

hive> select concat_ws(',','abc','def','gh')from tableName;
abc,def,gh

5、字符串截取函数：substr,substring
语法: substr(string A, int start),substring(string A, int start)返回值: string说明：返回字符串A从start位置到结尾的字符串

hive> select substr('abcde',3) from tableName;
cde
hive> select substring('abcde',3) from tableName;
cde
hive> select substr('abcde',-1) from tableName; （和ORACLE相同）
e

6、字符串截取函数：substr,substring
语法: substr(string A, int start, int len),substring(string A, int start, int len)返回值: string说明：返回字符串A从start位置开始，长度为len的字符串

hive> select substr('abcde',3,2) from tableName;
cd
hive> select substring('abcde',3,2) from tableName;
cd
hive>select substring('abcde',-2,2) from tableName;
de

7、字符串转大写函数：upper,ucase
语法: upper(string A) ucase(string A)返回值: string说明：返回字符串A的大写格式

hive> select upper('abSEd') from tableName;
ABSED
hive> select ucase('abSEd') from tableName;
ABSED

8、字符串转小写函数：lower,lcase
语法: lower(string A) lcase(string A)返回值: string说明：返回字符串A的小写格式

hive> select lower('abSEd') from tableName;
absed
hive> select lcase('abSEd') from tableName;
absed

9、去空格函数：trim
语法: trim(string A)返回值: string说明：去除字符串两边的空格

hive> select trim(' abc ') from tableName;
abc

10、左边去空格函数：ltrim
语法: ltrim(string A)返回值: string说明：去除字符串左边的空格

hive> select ltrim(' abc ') from tableName;
abc

11、右边去空格函数：rtrim
语法: rtrim(string A)返回值: string说明：去除字符串右边的空格

hive> select rtrim(' abc ') from tableName;
abc

12、正则表达式替换函数：regexp_replace
语法: regexp_replace(string A, string B, string C)返回值: string说明：将字符串A中的符合java正则表达式B的部分替换为C。注意，在有些情况下要使用转义字符,类似oracle中的regexp_replace函数。

hive> select regexp_replace('foobar', 'oo|ar', '') from tableName;
fb

13、正则表达式解析函数：regexp_extract
语法: regexp_extract(string subject, string pattern, int index)返回值: string说明：将字符串subject按照pattern正则表达式的规则拆分，返回index指定的字符。

hive> select regexp_extract('foothebar', 'foo(.?)(bar)', 1) from tableName;
the
hive&gt; select regexp_extract('foothebar', 'foo(.?)(bar)', 2) from tableName;
bar
hive&gt; select regexp_extract('foothebar', 'foo(.?)(bar)', 0) from tableName;
foothebar

strong>注意，在有些情况下要使用转义字符，下面的等号要用双竖线转义，这是java正则表达式的规则。

select data_field,
regexp_extract(data_field,'.?bgStart\=([&]+)',1) as aaa,
regexp_extract(data_field,'.?contentLoaded_headStart\=([&]+)',1) as bbb,
regexp_extract(data_field,'.?AppLoad2Req\=([^&]+)',1) as ccc
from pt_nginx_loginlog_st
where pt = '2012-03-26' limit 2;

14、URL解析函数：parse_url __
语法: parse_url(string urlString, string partToExtract [, string keyToExtract])返回值: string说明：返回URL中指定的部分。partToExtract的有效值为：HOST, PATH, QUERY, REF, PROTOCOL, AUTHORITY, FILE, and USERINFO.

hive> select parse_url
('[https://www.tableName.com/path1/p.php?k1=v1&k2=v2#Ref1',](https://www.tableName.com/path1/p.php?k1=v1&k2=v2#Ref1%27,) 'HOST')
from tableName;
http://www.tableName.comhive > select parse_url
('[https://www.tableName.com/path1/p.php?k1=v1&k2=v2#Ref1',](https://www.tableName.com/path1/p.php?k1=v1&k2=v2#Ref1%27,) 'QUERY', 'k1')
from tableName;
v1

15、json解析函数：get_json_object
语法: get_json_object(string json_string, string path)返回值: string说明：解析json的字符串json_string,返回path指定的内容。如果输入的json字符串无效，那么返回NULL。

hive> select get_json_object('{"store":{"fruit":[{"weight":8,"type":"apple"},{"weight":9,"type":"pear"}], "bicycle":{"price":19.95,"color":"red"} },"email":"amy@only_for_json_udf_test.net","owner":"amy"}','$.owner') from tableName;

16、空格字符串函数：space
语法: space(int n)返回值: string说明：返回长度为n的字符串

hive> select space(10) from tableName;
hive> select length(space(10)) from tableName;
10

17、重复字符串函数：repeat
语法: repeat(string str, int n)返回值: string说明：返回重复n次后的str字符串

hive> select repeat('abc',5) from tableName;
abcabcabcabcabc

18、首字符ascii函数：ascii
语法: ascii(string str)返回值: int说明：返回字符串str第一个字符的ascii码

hive> select ascii('abcde') from tableName;
97

19、左补足函数：lpad
语法: lpad(string str, int len, string pad)返回值: string说明：将str进行用pad进行左补足到len位

hive> select lpad('abc',10,'td') from tableName;
tdtdtdtabc

注意：与GP，ORACLE不同，pad 不能默认
20、右补足函数：rpad
语法: rpad(string str, int len, string pad)返回值: string说明：将str进行用pad进行右补足到len位

hive> select rpad('abc',10,'td') from tableName;
abctdtdtdt

21、分割字符串函数: split
语法: split(string str, string pat)返回值: array说明: 按照pat字符串分割str，会返回分割后的字符串数组

hive> select split('abtcdtef','t') from tableName;
["ab","cd","ef"]

22、集合查找函数: find_in_set
语法: find_in_set(string str, string strList)返回值: int说明: 返回str在strlist第一次出现的位置，strlist是用逗号分割的字符串。如果没有找该str字符，则返回0

hive> select find_in_set('ab','ef,ab,de') from tableName;
2
hive> select find_in_set('at','ef,ab,de') from tableName;
0

12. 集合统计函数

1、个数统计函数: count
语法: count(), count(expr), count(DISTINCT expr[, expr_.])返回值: int说明: count()统计检索出的行的个数，包括NULL值的行；count(expr)返回指定字段的非空值的个数；count(DISTINCT expr[, expr_.])返回指定字段的不同的非空值的个数

hive> select count(*) from tableName;
20
hive> select count(distinct t) from tableName;
10

2、总和统计函数: sum
语法: sum(col), sum(DISTINCT col)返回值: double说明: sum(col)统计结果集中col的相加的结果；sum(DISTINCT col)统计结果中col不同值相加的结果

hive> select sum(t) from tableName;
100
hive> select sum(distinct t) from tableName;
70

3、平均值统计函数: avg
语法: avg(col), avg(DISTINCT col)返回值: double说明: avg(col)统计结果集中col的平均值；avg(DISTINCT col)统计结果中col不同值相加的平均值

hive> select avg(t) from tableName;
50
hive> select avg (distinct t) from tableName;
30

4、最小值统计函数: min
语法: min(col)返回值: double说明: 统计结果集中col字段的最小值

hive> select min(t) from tableName;
20

5、最大值统计函数: max
语法: maxcol)返回值: double说明: 统计结果集中col字段的最大值

hive&gt; select max(t) from tableName;
120

6、非空集合总体变量函数: var_pop
语法: var_pop(col)返回值: double说明: 统计结果集中col非空集合的总体变量（忽略null）
7、非空集合样本变量函数: var_samp
语法: var_samp (col)返回值: double说明: 统计结果集中col非空集合的样本变量（忽略null）
8、总体标准偏离函数: stddev_pop
语法: stddev_pop(col)返回值: double说明: 该函数计算总体标准偏离，并返回总体变量的平方根，其返回值与VAR_POP函数的平方根相同
9、样本标准偏离函数: stddev_samp
语法: stddev_samp (col)返回值: double说明: 该函数计算样本标准偏离
10．中位数函数: percentile
语法: percentile(BIGINT col, p)返回值: double说明: 求准确的第pth个百分位数，p必须介于0和1之间，但是col字段目前只支持整数，不支持浮点数类型
11、中位数函数: percentile
语法: percentile(BIGINT col, array(p1 [, p2]…))返回值: array说明: 功能和上述类似，之后后面可以输入多个百分位数，返回类型也为array，其中为对应的百分位数。

select percentile(score,&amp;lt;0.2,0.4>) from tableName； 取0.2，0.4位置的数据

12、近似中位数函数: percentile_approx
语法: percentile_approx(DOUBLE col, p [, B])返回值: double说明: 求近似的第pth个百分位数，p必须介于0和1之间，返回类型为double，但是col字段支持浮点类型。参数B控制内存消耗的近似精度，B越大，结果的准确度越高。默认为10,000。当col字段中的distinct值的个数小于B时，结果为准确的百分位数
13、近似中位数函数: percentile_approx
语法: percentile_approx(DOUBLE col, array(p1 [, p2]…) [, B])返回值: array说明: 功能和上述类似，之后后面可以输入多个百分位数，返回类型也为array，其中为对应的百分位数。
14、直方图: histogram_numeric
语法: histogram_numeric(col, b)返回值: array说明: 以b为基准计算col的直方图信息。

hive> select histogram_numeric(100,5) from tableName;
[{"x":100.0,"y":1.0}]

13. 复合类型构建操作

1、Map类型构建: map
语法: map (key1, value1, key2, value2, …)说明：根据输入的key和value对构建map类型

hive> Create table mapTable as select map('100','tom','200','mary') as t from tableName;
hive> describe mapTable;
t map<string ,string>
hive> select t from tableName;
{"100":"tom","200":"mary"}

2、Struct类型构建: struct
语法: struct(val1, val2, val3, …)说明：根据输入的参数构建结构体struct类型

hive> create table struct_table as select struct('tom','mary','tim') as t from tableName;
hive> describe struct_table;
t struct<col1:string ,col2:string,col3:string>
hive> select t from tableName;
{"col1":"tom","col2":"mary","col3":"tim"}

3、array类型构建: array
语法: array(val1, val2, …)说明：根据输入的参数构建数组array类型

hive> create table arr_table as select array("tom","mary","tim") as t from tableName;
hive> describe tableName;
t array<string>
hive> select t from tableName;
["tom","mary","tim"]

14. 复杂类型访问操作

1、array类型访问: A[n]
语法: A[n]操作类型: A为array类型，n为int类型说明：返回数组A中的第n个变量值。数组的起始下标为0。比如，A是个值为[‘foo’, ‘bar’]的数组类型，那么A[0]将返回’foo’,而A[1]将返回’bar’

hive> create table arr_table2 as select array("tom","mary","tim") as t
from tableName;
hive> select t[0],t[1] from arr_table2;
tom mary tim

2、map类型访问: M[key]
语法: M[key]操作类型: M为map类型，key为map中的key值说明：返回map类型M中，key值为指定值的value值。比如，M是值为{‘f’ -> ‘foo’, ‘b’ -> ‘bar’, ‘all’ -> ‘foobar’}的map类型，那么M[‘all’]将会返回’foobar’

hive> Create table map_table2 as select map('100','tom','200','mary') as t from tableName;
hive> select t['200'],t['100'] from map_table2;
mary tom

3、struct类型访问: S.x
语法: S.x操作类型: S为struct类型说明：返回结构体S中的x字段。比如，对于结构体struct foobar {int foo, int bar}，foobar.foo返回结构体中的foo字段

hive> create table str_table2 as select struct('tom','mary','tim') as t from tableName;
hive> describe tableName;
t struct<col1:string ,col2:string,col3:string>
hive> select t.col1,t.col3 from str_table2;
tom tim

15. 复杂类型长度统计函数

1.Map类型长度函数: size(Map)
语法: size(Map)返回值: int说明: 返回map类型的长度

hive> select size(t) from map_table2;
2

2.array类型长度函数: size(Array)
语法: size(Array)返回值: int说明: 返回array类型的长度

hive> select size(t) from arr_table2;
4

3.类型转换函数 *
类型转换函数: cast语法: cast(expr as )返回值: Expected “=” to follow "type"说明: 返回转换后的数据类型

hive> select cast('1' as bigint) from tableName;
1

4.hive当中的lateral view 与 explode以及reflect和窗口函数
1、使用explode函数将hive表中的Map和Array字段数据进行拆分
lateral view用于和split、explode等UDTF一起使用的，能将一行数据拆分成多行数据，在此基础上可以对拆分的数据进行聚合，lateral view首先为原始表的每行调用UDTF，UDTF会把一行拆分成一行或者多行，lateral view在把结果组合，产生一个支持别名表的虚拟表。
其中explode还可以用于将hive一列中复杂的array或者map结构拆分成多行

需求：现在有数据格式如下
zhangsan child1,child2,child3,child4 k1:v1,k2:v2
lisi child5,child6,child7,child8 k3:v3,k4:v4
字段之间使用\t分割，需求将所有的child进行拆开成为一列
+----------+--+
| mychild |
+----------+--+
| child1 |
| child2 |
| child3 |
| child4 |
| child5 |
| child6 |
| child7 |
| child8 |
+----------+--+
将map的key和value也进行拆开，成为如下结果
+-----------+-------------+--+
| mymapkey | mymapvalue |
+-----------+-------------+--+
| k1 | v1 |
| k2 | v2 |
| k3 | v3 |
| k4 | v4 |
+-----------+-------------+--+

16.疑问解答与加群学习交流

在这里插入图片描述

本文来自互联网用户投稿，文章观点仅代表作者本人，不代表本站立场，不承担相关法律责任。如若转载，请注明出处。 如若内容造成侵权/违法违规/事实不符，请点击【内容举报】进行投诉反馈！

标签：技术

上一篇 > Hive 函数详解
下一篇 > hive学习(四) hive的函数

Duilib中list控件支持ctrl和shif多行选中的实现

[ICML2015]Batch Normalization:Accelerating Deep Network Training by Reducing Internal Covariate Shif

win10系统微软输入法于eclipse ctrl+shif+f冲突间接处理办法

Codeforces Round #259 (Div. 2) B. Little Pony and Sort by Shif

读LDD3，内存映射与DMA--PAGE_SHIF…

VMware虚拟机安装XP【要先分区，再设置BOOT 启动CD，shif+上移】

更换iBus五笔的左与右Shif

sublime ctrl+shif+f 没用解决办法

idea 对 ctrl + z 的撤销是 ctrl + shif + z

计算机最早的设计师应用于,计算机应用基础选择题doc.doc

win10自带截图神器：Win+Shift+S

Python基础之文件目录操作

python简述目录_Python基础之文件目录操作(示例代码)

tp5 如何做数据采集

任务2-7(服务器字体+阿里巴巴矢量库)

html标签（1)：h1~h6,p,br,pre,hr

TI 电量计介绍与芯片选型指南

几款TI电源芯片简介

TI DSP芯片C2000系列读取FLASH数据

德州仪器(Ti)平台嵌入式开发基础

TI三相电机智能栅极驱动芯片特点分类

省选模拟（12.08） T3 圈圈圈圈圈圈圈圈

Hadoop生态圈技术栈（上）

大数据开发基础入门与项目实战（三）Hadoop核心及生态圈技术栈之6.Impala交互式查询

小猿圈之Linux下Mysql 操作命令

大数据Hadoop生态圈常用面试题

大数据开发基础入门与项目实战（三）Hadoop核心及生态圈技术栈之4.Hive DDL、DQL和数据操作

备战Noip2018模拟赛11（B组）T3 Monogatari 物语

【智能优化算法-圆圈搜索算法】基于圆圈搜索算法Circle Search Algorithm求解单目标优化问题附matlab代码

NYOJ 78 圈水池

递归问题跑道汽车绕圈问题 Python实现

Hadoop生态圈（三）：MapReduce

常用Hive函数分享

常用Hive函数分享

1. 字符函数

1.1 concat 拼接函数

1.2 concat_ws 拼接并分割

1.3 substr/substring 截取字符串

1.4 trim 去除两边空格

1.5 repeat 复制字符串

1.6 lpad 左填充字符串

1.7 rpad 右填充字符串

1.8 split 分割函数

1.9 find_in_set:

2. 聚合函数

2.1 count 汇总统计

2.2 sum 相加求和

2.3 avg

2.4 collect_list

2.5 collect_set

3. 时间函数

3.1 unix_timestamp

3.2 FROM_UNIXTIME

3.3 to_date

3.4 weekofyear

3.5 datediff

3.6 date_add

3.7 date_sub

4. 窗口函数over

4.1 由三部分组成窗口函数：

4.2 概念：

4.3 over()内部有3块分别是partition by , order by , 和最后一个frame子句。

5. 关系运算

6. 数学运算

7. 逻辑运算

8. 数值计算

9. 日期函数

10. 条件函数

11. 字符串函数

12. 集合统计函数

13. 复合类型构建操作

14. 复杂类型访问操作

15. 复杂类型长度统计函数

16.疑问解答与加群学习交流

相关文章