Loading

Hive sql函数

date: 2018-11-16 19:03:08
updated: 2018-11-16 19:03:08

Hive sql函数

一、关系运算

  1. 等值比较: =
    select 1 from dual where 1 = 2;

  2. 等值比较:<=>
    a <=> b

  3. 不等值比较: <>和!=
    a != b || a <> b

  4. 小于比较: <
    a < b

  5. 小于等于比较: <=
    a <= b

  6. 大于比较: >
    a > b

  7. 大于等于比较: >=
    a >= b

  8. 区间比较？？？？？

     # step1 设定区间分类个数，此处设置为10
 m=10
 
 # step2 求解字段 result 的最大值和最小值
 section=`hive -e "
 select max(result) as max_num,
    min(result) as min_num
 from  tmp
 "`
 max_num=`echo -e "${section}" | cut -f1`
 min_num=`echo -e "${section}" | cut -f2`
 
 # step3 求解区间的长度
 len_section=`hive -e "
 select (${max_num} - ${min_num}) / ${m}
 from   dual
 "`
 
 # step4 统计每个区间的个数
 hive -e "
 select ${min_num} + floor((result - ${min_num}) / ${len_section}) * ${len_section} as section_flag,
    count(*) as num  
 from   tmp
 "

  9. 空值判断: IS NULL
    select 1 from dual where A is null;

  10. 非空判断: IS NOT NULL
    select 1 from dual where A is not null;

  11. LIKE比较: A LIKE B
    B中字符"_"表示任意单个字符，而字符"%"表示任意数量的字符
    否定比较的时候用 NOT A LIKE B

    select 1 from dual where ‘key' like 'foot%';  
select 1 from dual where ‘key ' like 'foot____';

  12. JAVA的LIKE操作: A RLIKE B
    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JAVA正则表达式B的正则语法，则为TRUE；否则为FALSE

    select 1 from dual where '123456' rlike '^\\d+$'	判断一个字符串是否都是数字

  13. REGEXP操作: A REGEXP B
    功能和RLIKE一样

    select 1 from dual where ‘key' REGEXP '^f.*r$';

二、数学运算

  1. 加法操作: +

  2. 减法操作: –
    结果的数值类型等于A的类型和B的类型的最小父类型
    比如int ± int 一般结果为int类型，而int ± double 一般结果为double类型

  3. 乘法操作: *
    结果的数值类型等于A的类型和B的类型的最小父类型
    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

  4. 除法操作: /？？？？？
    返回A除以B的结果。结果的数值类型为double

     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，做除法运算时要特别注意  
 hive>select ceil(28.0/6.999999999999999999999) from dual limit 1;  
 结果为4  
 hive>select ceil(28.0/6.99999999999999) from dual limit 1;  
 结果为5

  5. 取余操作: %
    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

     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 dual;  
 0.4

  6. 位与操作: &
    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

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

  7. 位或操作: |
    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

     hive> select 4 | 8 from dual;  
 12  
 hive> select 6 | 8 from dual;  
 14

  8. 位异或操作: ^
    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

     hive> select 4 ^ 8 from dual;  
 12  
 hive> select 6 ^ 4 from dual;  
 2

  9. 位取反操作: ~
    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 dual;  
 -7  
 hive> select ~4 from dual;  
 -5

所有正整数的按位取反是其本身+1的负数
所有负整数的按位取反是其本身+1的绝对值
零的按位取反是 -1

三、逻辑运算

  1. 逻辑与操作: AND 、&&

  2. 逻辑或操作: OR 、||

  3. 逻辑非操作: NOT、!
    NOT A：如果A为FALSE，或者A为NULL，则为TRUE；否则为FALSE

     select 1 from dual where  not 1=2 ;

四、复合类型构造函数

  1. map结构
    map (key1, value1, key2, value2,…)
    根据输入的key和value对构建map类型

     hive> Create table lxw_test as select map('100','tom','200','mary')as t from lxw_dual;
 hive> describe lxw_test;
 t   map<string,string>
 hive> select t from lxw_test;
 {"100":"tom","200":"mary"}
 
 hive> create table employee(id string, perf map<string, int>)   
 > ROW FORMAT DELIMITED  
 > FIELDS TERMINATED BY '\t'
 > COLLECTION ITEMS TERMINATED BY ','   
 > MAP KEYS TERMINATED BY ':';
 1   job:80,team:60,person:70  
 2   job:60,team:80  
 3   job:90,team:70,person:100
 hive> load data local inpath '/home/oracle/emp.txt' into table employee;
 hive> select perf['person'] from employee;
 OK  
 70  
 NULL  
 100
 hive> select perf['person'] from employee where perf['person'] is not null;
 70  
 100

'MAP KEYS TERMINATED BY' ：key value分隔符

  1. struct结构
    struct(val1, val2, val3,…)
    根据输入的参数构建结构体struct类型

     hive> create table student_test(id INT, info struct<name:STRING, age:INT>)  
 > ROW FORMAT DELIMITED FIELDS TERMINATED BY ',' 
 > COLLECTION ITEMS TERMINATED BY ':';
 hive>load data local inpath '/home/oracle/student_test.txt' into table student_test;
 1,zhou:30  
 2,yan:30  
 3,chen:20  
 4,li:80
 hive> select info.age from student_test;  
 30  
 30  
 20  
 80

'FIELDS TERMINATED BY' ：字段与字段之间的分隔符
'COLLECTION ITEMS TERMINATED BY' ：一个字段各个item的分隔符

  1. named_struct结构
    named_struct(name1,val1,name2,val2,name3,val3,…)
    使用给定的表达式，构造一个指定列名的 struct 数据结构

     hive> select named_struct('a',1,'b','aaa','c',FALSE) from lxw1234; 
 {"a":1,"b":"aaa","c":false}

  2. array结构
    array(val1, val2,…)
    根据输入的参数构建数组array类型

     hive> create table lxw_test as selectarray("tom","mary","tim") as t from lxw_dual;
 hive> describe lxw_test;
 t   array<string>
 hive> select t from lxw_test;
 ["tom","mary","tim"]
 
 hive> create table class_test(name string, student_id_list array<INT>)
 034,1:2:3:4  
 035,5:6  
 036,7:8:9:10
 hive> select student_id_list[3] from class_test;
 4  
 NULL  
 10

  3. create_union (tag, val1, val2, …)
    使用给定的 tag 和表达式，构造一个 uniontype 数据结构。tag 表示使用第 tag 个 表达式作为 uniontype 的 value

     hive> select create_union(0,'ss',array(1,2,3)) from lxw1234; 
 {0:"ss"}
 hive> select create_union(1,'ss',array(1,2,3)) from lxw1234; 
 {1:[1,2,3]}

五、复合类型操作符

  1. 获取array中的元素 A[n]
    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 lxw_test as selectarray("tom","mary","tim") as t from lxw_dual;
 hive> select t[0],t[1],t[2] from lxw_test;
 tom   mary   tim

 hive> select array('a','b','c')[1] from lxw1234;  
 b

  2. 获取map中的元素 M[key]
    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 lxw_test as selectmap('100','tom','200','mary') as t from lxw_dual;
 hive> select t['200'],t['100'] from lxw_test;
 mary   tom

 hive> select map('k1','v1')['k1'];  
 v1

  3. 获取struct中的元素 S.x
    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 lxw_test as select struct('tom','mary','tim')as t from lxw_dual;
 hive> describe lxw_test;
 t   struct<col1:string,col2:string,col3:string>
 hive> select t.col1,t.col3 from lxw_test;
 tom tim

 hive> select named_struct('a',1,'b','aaa','c',FALSE).c;  
 false

六、数值计算函数

  1. 取整函数: round(double a)
    返回double类型的整数值部分 （遵循四舍五入）

     hive> select round(3.1415926) from dual;  
 3  
 hive> select round(3.5) from dual;  
 4

  2. 指定精度取整函数: round(double a, int d)
    返回指定精度d的double类型

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

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

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

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

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

  5. 向上取整函数: ceiling(double a)
    与ceil功能相同

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

  6. 取随机数函数: rand(),rand(int seed)
    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 dual;  
 0.5577432776034763

  7. 自然指数函数: exp(double a)
    返回自然对数e的a次方

     hive> select exp(2) from dual;  
 7.38905609893065

  8. 以10为底对数函数: log10(double a)
    返回以10为底的a的对数

     hive> select log10(100) from dual;  
 2.0

  9. 以2为底对数函数: log2(double a)
    返回以2为底的a的对数

     hive> select log2(8) from dual;  
 3.0

  10. 对数函数: log(double base, double a)
    返回以base为底的a的对数

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

  11. 幂运算函数: pow(double a, double p)
    返回a的p次幂

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

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

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

  13. 开平方函数: sqrt(double a)
    返回a的平方根

    hive> select sqrt(16) from dual;
4.0

  14. 二进制函数: bin(BIGINT a)
    返回a的二进制代码表示

    hive> select bin(7) from dual;
111

  15. 十六进制函数: hex(BIGINT a)
    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 dual;
11
hive> select hex(‘abc’) from dual;
616263

  16. 反转十六进制函数: unhex(string a)
    返回该十六进制字符串所代表的字符串

    hive> select unhex(‘616263’) from dual;
abc
hive> select unhex(‘11’) from dual;
-
hive> select unhex(616263) from dual;
abc

  17. 进制转换函数: conv(BIGINT num, int from_base, int to_base)
    将数值num从from_base进制转化到to_base进制

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

  18. 绝对值函数: abs(double a) || abs(int a)
    返回数值a的绝对值

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

  19. 正取余函数: pmod(int a, int b) || pmod(double a, double b)
    返回正的a除以b的余数

    hive> select pmod(9,4) from dual;
1
hive> select pmod(-9,4) from dual;
3
// 如果参数是一正一负，先都看成正数 4 * 3 = 12 > 9，则余数是 12 - 9 = 3
// 找到比负数大的数，减去负数的绝对值

  20. 正弦函数: sin(double a)
    返回a的正弦值

    hive> select sin(0.8) from dual;
0.7173560908995228

  21. 反正弦函数: asin(double a)
    返回a的反正弦值

    hive> select asin(0.7173560908995228) from dual;
0.8

  22. 余弦函数: cos(double a)
    返回a的余弦值

    hive> select cos(0.9) from dual;
0.6216099682706644

  23. 反余弦函数: acos(double a)
    返回a的反余弦值

    hive> select acos(0.6216099682706644) from dual;
0.9

  24. positive函数: positive(int a) || positive(double a)
    返回a

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

  25. negative函数: negative(int a) || negative(double a)
    返回-a

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

七、集合操作函数

  1. map类型大小：size(Map<K.V>)
    返回map类型的长度

     hive> select size(map('100','tom','101','mary')) from lxw_dual;
 2

  2. array类型大小：size(Array)
    返回array类型的长度

     hive> select size(array('100','101','102','103')) from lxw_dual;
 4

  3. 判断元素数组是否包含元素：array_contains(Array, value)
    返回 Array中是否包含元素 value

     hive> select array_contains(array(1,2,3,4,5),3) from lxw1234; 
 true

  4. 获取map中所有value集合
    map_values(Map)
    返回 Map中所有 value 的集合

     hive> select map_values(map('k1','v1','k2','v2')) from lxw1234; 
 ["v2","v1"]

  5. 获取map中所有key集合
    map_keys(Map)
    返回 Map中所有 key 的集合

     hive> select map_keys(map('k1','v1','k2','v2')) from lxw1234; 
 ["k2","k1"]

  6. 数组排序
    sort_array(Array)
    对 Array进行升序排序

     hive> select sort_array(array(5,7,3,6,9)) from lxw1234;
 [3,5,6,7,9]

八、类型转换函数

  1. 二进制转换：binary(string|binary)
    将输入的值转换成二进制

     hive> select binary('4');
 4
 hive> select binary('1111');
 1111
 hive> select binary('abd');
 abd

  2. 基础类型之间强制转换：cast(expr as )
    返回值：Expected "=" to follow "type"
    返回from之后的长度，如果是一张表就输出行数个expr

     hive> select cast(1 as float);
 1.0
 hive> select cast(2 as bigint) from tablss;
 2
 2
 2
 2
 2
 2

九、日期函数

  1. UNIX时间戳转日期函数: from_unixtime(bigint unixtime[, string format])
    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> select from_unixtime(1323308943,'yyyyMMdd') from dual;
 20111208

  2. 获取当前UNIX时间戳函数: unix_timestamp()
    获得当前时区的UNIX时间戳

     hive> select unix_timestamp() from dual;
 1323309615

  3. 日期转UNIX时间戳函数: unix_timestamp(string date)
    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 dual;
 1323234063

  4. 指定格式日期转UNIX时间戳函数: unix_timestamp(string date, string pattern)
    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 dual;
 1323234063

  5. 日期时间转日期函数: to_date(string timestamp)
    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 dual;
 2011-12-08

  6. 日期转年函数: year(string date)
    返回日期中的年

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

  7. 日期转月函数: month (string date)
    返回日期中的月份

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

  8. 日期转天函数: day (string date)
    返回日期中的天

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

  9. 日期转小时函数: hour (string date)
    返回日期中的小时

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

  10. 日期转分钟函数: minute (string date)
    返回日期中的分钟

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

  11. 日期转秒函数: second (string date)
    返回日期中的秒

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

  12. 日期转周函数: weekofyear (string date)
    返回日期在当前的周数

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

  13. 日期比较函数: datediff(string enddate, string startdate)
    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 dual;
213

  14. 日期增加函数: date_add(string startdate, int days)
    返回开始日期startdate增加days天后的日期

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

  15. 日期减少函数: date_sub (string startdate, int days)
    返回开始日期startdate减少days天后的日期

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

十、条件函数

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

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

  2. 非空查找函数: COALESCE(T v1, T v2, …)
    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 dual;
 100

  3. 条件判断函数：CASE a WHEN b THEN c [WHEN d THEN e]* [ELSE f] END
    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 dual;  
 mary

十一、字符串函数

  1. 字符ascii码函数：ascii(str)
    返回字符串str第一个字符的ascii码

     hive> select ascii(‘abcde’) from dual;  
 97

  2. base64字符串：base64(binary bin)
    将二进制bin转换成64位的字符串

     hive> select base64(binary(‘lxw1234’));
 bHh3MTIzNA==

  3. 字符串连接函数：concat(string A, string B…)
    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 dual;  
 abcdefgh

  4. 带分隔符字符串连接函数：concat_ws(string SEP, string A, string B…)
    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 dual;  
 abc,def,gh
 hive> select concat_ws('.','www','iteblog','com') from iteblog;
 www.iteblog.com

  5. 数组转换成字符串的函数：concat_ws(string SEP, array)
    返回将数组链接成字符串后的结果，SEP 表示各个字符串间的分隔符

     hive> select concat_ws('|',array('a','b','c'));
 a|b|c

  6. 小数位格式化成字符串函数：format_number(number x, int d)
    将数值X转换成"#,###,###.##"格式字符串，并保留d位小数，如果d为0，将进行四舍五入且不保留小数

     hive> select format_number(5.23456,3) from lxw1234;
 5.235

  7. 字符串截取函数：substr(string A, int start) || substring(string A, int start)
    返回字符串A从start位置到结尾的字符串

     hive> select substr(‘abcde’,3) from dual;  
 cde  
 hive> select substring(‘abcde’,3) from dual;  
 cde  
 hive>  select substr(‘abcde’,-1) from dual;  （和ORACLE相同）  
 e

  8. 字符串截取函数：substr(string A, int start, int len) || substring(string A, int start, int len)
    返回字符串A从start位置开始，长度为len的字符串

     hiveselect substr(‘abcde’,3,2) from dual;  
 cd  
 hiveselect substring(‘abcde’,3,2) from dual;  
 cd  
 hive>select substring(‘abcde’,-2,2) from dual;  
 de

  9. 字符串查找函数：instr(string str, string substr)
    返回值为int
    查找字符串str中子字符串substr出现的位置，如果查找失败将返回0，如果任一参数为Null将返回null，注意位置为从1开始的

     hive> select instr('abcdf','df') from lxw1234;
 4

  10. 字符串长度函数：length(string A)
    返回字符串A的长度

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

  11. 字符串查找函数：locate(string substr, string str[, int pos])
    查找字符串str中的pos位置后字符串substr第一次出现的位置

    hive> select locate('a','abcda',1) from lxw1234;
1
hive> select locate('a','abcda',2) from lxw1234;
5

  12. 字符串格式化函数：printf(String format, Obj... args)
    按照printf风格格式输出字符串

    hive> select printf("%08X",123) from lxw1234; 
0000007B

  13. 字符串转换成map函数：str_to_map(text[, delimiter1, delimiter2])
    返回值：map<string,string>
    将字符串str按照指定分隔符转换成Map，第一个参数是需要转换字符串，第二个参数是键值对之间的分隔符，默认为逗号;第三个参数是键值之间的分隔符，默认为"="

    hive> select str_to_map('k1:v1,k2:v2') from lxw1234;
{"k2":"v2","k1":"v1"}
hive> select str_to_map('k1=v1,k2=v2',',','=') from lxw1234;
{"k2":"v2","k1":"v1"}

  14. base64解码函数：unbase64(string str)
    将64位的字符串转换二进制值

    hive> select unbase64('bHh3MTIzNA==') from lxw1234;
lxw1234

  15. 字符串转大写函数：upper(string A) || ucase(string A)
    返回字符串A的大写格式

    hive> select upper(‘abSEd’) from dual;  
ABSED  
hive> select ucase(‘abSEd’) from dual;  
ABSED

  16. 字符串转小写函数：lower(string A) || lcase(string A)
    返回字符串A的小写格式

    hive> select lower(‘abSEd’) from dual;  
absed  
hive> select lcase(‘abSEd’) from dual;  
absed

  17. 去空格函数：trim(string A)
    去除字符串两边的空格

    hive> select trim(‘ abc ‘) from dual;  
abc

  18. 左边去空格函数：ltrim(string A)
    去除字符串左边的空格

    hive> select ltrim(‘ abc ‘) from dual;  
abc

  19. 右边去空格函数：rtrim(string A)
    去除字符串右边的空格

    hive> select rtrim(‘ abc ‘) from dual;  
abc

  20. 正则表达式替换函数：regexp_replace(string A, string B, string C)
    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 lxw_dual;
fb

  21. 正则表达式解析函数：regexp_extract(string subject, string pattern, int index)
    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,其中的index是按照正则字符串（）的位置。注意，在有些情况下要使用转义字符

    hive> select regexp_extract(‘foothebar’, ‘foo(.*?)(bar)’, 1) from dual;  
the  
hive> select regexp_extract(‘foothebar’, ‘foo(.*?)(bar)’, 2) from dual;  
bar  
hive> select regexp_extract(‘foothebar’, ‘foo(.*?)(bar)’, 0) from dual;  
foothebar？？？？？

  22. URL解析函数：parse_url(url, partToExtract[, key])？？？？？
    解析URL字符串，partToExtract的选项包含[HOST,PATH,QUERY,REF,PROTOCOL,FILE,AUTHORITY,USERINFO]。

    parse_url('http://facebook.com/path/p1.php?query=1', 'HOST')返回'facebook.com'   
parse_url('http://facebook.com/path/p1.php?query=1', 'PATH')返回'/path/p1.php'   
parse_url('http://facebook.com/path/p1.php?query=1', 'QUERY')返回'query=1'，  
可以指定key来返回特定参数，例如  
parse_url('http://facebook.com/path/p1.php?query=1', 'QUERY','query')返回'1'，  
  
parse_url('http://facebook.com/path/p1.php?query=1#Ref', 'REF')返回'Ref'   
parse_url('http://facebook.com/path/p1.php?query=1#Ref', 'PROTOCOL')返回'http'

  23. json解析函数：get_json_object(string json_string, string path)
    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 dual;  
amy

select get_json_object('{"store":{"fruit":\["aa","bb","cc"]},"owner":"amy"}','$.store.fruit[0]') from test_msg limit 1;

  24. 空格字符串函数：space(int n)
    返回长度为n的字符串

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

  25. 重复字符串函数：repeat(string str, int n)
    返回重复n次后的str字符串

    hive> select repeat(‘abc’,5) from dual;  
abcabcabcabcabc

  26. 左补足函数：lpad(string str, int len, string pad)
    将str进行用pad进行左补足到len位

    hive> select lpad(‘abc’,10,’td’) from dual;  
tdtdtdtabc

  27. 右补足函数：rpad(string str, int len, string pad)
    将str进行用pad进行右补足到len位

    hive> select rpad(‘abc’,10,’td’) from dual;  
abctdtdtdt

  28. 分割字符串函数: split(string str, string pat)
    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 dual;  
["ab","cd","ef"]

  29. 集合查找函数: find_in_set(string str, string strList)
    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 dual;  
2  
hive> select find_in_set(‘at’,'ef,ab,de’) from dual;  
0

  30. 分词函数：sentences(string str, string lang, string locale)
    返回值: array
    返回输入 str 分词后的单词数组
    分词函数先分句子，句号.会看成是一个单词，逗号,会被拆开，叹号！会被拆成两个句子

    hive> select sentences('hello word!hello hive,hi hive,hello hive')
[["hello","word"],["hello","hive","hi","hive","hello","hive"]]  

select sentences('hello word,hello hive,hi hive,hello hive');
[["hello","word","hello","hive","hi","hive","hello","hive"]]  

hive>select sentences('hello word.hello hive,hi hive,hello hive');
[["hello","word.hello","hive","hi","hive","hello","hive"]]

  31. 分词后统计一起出现频次最高的TOP-K
    ngrams(array, int N, int K, int pf)
    返回值: array<struct<string,double>>
    与 sentences()函数一起使用，分词后，统计分词结果中一起出现频次最高的 TOP-K 结果

    hive> select ngrams(sentences('hello word!hello hive,hi hive,hello hive'),2,2);  
[{"ngram":["hello","hive"],"estfrequency":2.0},{"ngram":["hive","hi"],"estfrequency":1.0}]
//该查询中，统计的是两个词在一起出现频次最高的 TOP\-2  
//结果中，hello 与 hive 同时出现 2 次

  32. 分词后统计与指定单词一起出现频次最高的TOP-K
    context_ngrams(array, array, int K, int pf)
    返回值：array<struct<string,double>>
    与 sentences()函数一起使用，分词后，统计分词结果中与数组中指定的单词一起出现(包括顺序)频次最高的 TOP-K 结果
    是紧跟着指定单词出现，可以跨越句子

    hive> select context_ngrams(sentences('hello word!hello hive,hi hive,hello hive'),array('hello',null),3);
[{"ngram":["hive"],"estfrequency":2.0},{"ngram":["word"],"estfrequency":1.0}]
//该查询中，统计的是与'hello'一起出现，并且在 hello 后面的频次最高的 TOP-3
//结果中，hello 与 hive 同时出现 2 次，hello 与 word 同时出现 1 次

hive> select context_ngrams(sentences('hello word!hello hive,hi hive,hello hive'),array(null,'hive'),3);
[{"ngram":["hello"],"estfrequency":2.0},{"ngram":["hi"],"estfrequency":1.0}]
//该查询中，统计的是与'hive'一起出现，并且在 hive 之前的频次最高的 TOP-3

hive>select context\_ngrams(sentences('hello word hello hive,hi hive,hello hive'),array(null,'hive'),3);  
[{"ngram":["hello"],"estfrequency":2.0},{"ngram":["hi"],"estfrequency":1.0}]

hive>select context\_ngrams(sentences('hello hive,hello hive,hi hive,hello hive'),array(null,'hive'),3);  
[{"ngram":["hello"],"estfrequency":3.0},{"ngram":["hi"],"estfrequency":1.0}]

hive>select context\_ngrams(sentences('hello hive,hello hive,hello hive,hi hive,hello hive'),array(null,'hive'),3);
[{"ngram":["hello"],"estfrequency":4.0},{"ngram":["hi"],"estfrequency":1.0}]

  33. 字符串反转函数： reverse(string A)
    返回字符串A的反转结果

    hive> select reverse(abcedfg’) from dual;
gfdecba

  34. 重复字符串函数：repeat(string str, int n)
    返回重复n次后的str字符串

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

十二、混合函数

  1. 调用Java函数： java_method(class, method[, arg1[, arg2..]])
    返回值: varies
    调用 Java 中的方法处理数据

     hive> select reflect("java.net.URLEncoder", "encode", 'http://lxw1234.com',"UTF-8");
 http%3A%2F%2Flxw1234.com
 //该查询中调用 java.net.URLEncoder 中的encode方法，给该方法传的参数为'http://lxw1234.com',"UTF-8"

  2. 调用Java函数：reflect(class, method[, arg1[, arg2..]])
    返回值: varies
    调用 Java 中的方法处理数据

     hive> select reflect("java.net.URLDecoder", "decode",
 'http%3A%2F%2Flxw1234.com',"UTF-8");
 http://lxw1234.com

  3. 字符串的hash值：hash(a1[, a2…])
    返回值: int
    返回字符串的 hash 值

     hive> select hash('lxw1234.com');
 -809268416

十三、XPath解析XML函数

  1. xpath
    (string xmlstr,string xpath_expression)
    返回值: array
    从 xml 字符串中返回匹配到表达式的结果数组

     //获取 xml 字符串中 a/b/节点的值
 hive> select xpath('b1b2c1','a/b/text()') from lxw1234;
 ["b1","b2"]
 //获取 xml 字符串中所有名为 id 的属性值
 hive> select xpath('b1b2','//@id') from lxw1234;
 ["foo","bar"]

  2. xpath_string
    xpath_string(string xmlstr,string xpath_expression)
    返回值: string
    默认情况下，从 xml 字符串中返回第一个匹配到表达式的节点的值

     hive> select xpath_string ('b1b2', '//b') from lxw1234;
 b1
 3.
 //指定返回匹配到哪一个节点
 hive> select xpath_string ('b1b2', '//b[2]') from lxw1234;
 b2

  3. xpath_boolean
    xpath_boolean (string xmlstr,string xpath_expression)
    返回值: boolean
    返回 xml 字符串中是否匹配 xml 表达式

     hive> select xpath_boolean ('b', 'a/b') from lxw1234;  
 true
 hive> select xpath_boolean ('10', 'a/b < 10') from lxw1234;  
 false

  4. xpath_short, xpath_int, xpath_long
    xpath_short (string xmlstr,string xpath_expression)
    xpath_int (string xmlstr,string xpath_expression)
    xpath_long (string xmlstr,string xpath_expression)
    返回值: int
    返回 xml 字符串中经过 xml 表达式计算后的值，如果不匹配，则返回0

     hive> SELECT xpath_int ('this is not a number', 'a') FROM lxw1234;  
 0
 hive> SELECT xpath_int ('1248', 'sum(a/*)') FROM lxw1234;  
 15
 hive> select xpath_long('10.511.2','sum(a/*)') from lxw1234;  
 21

  5. xpath_float, xpath_double, xpath_number
    xpath_float (string xmlstr,string xpath_expression)
    xpath_double (string xmlstr,string xpath_expression)
    path_number (string xmlstr,string xpath_expression)
    返回值: number
    返回 xml 字符串中经过 xml 表达式计算后的值，如果不匹配，则返回0

     hive> select xpath_double('10.511.2','sum(a/*)') from lxw1234;  
 21.7

十四、汇总统计函数（UDAF）

  1. 个数统计函数: count(*) || count(expr) || count(DISTINCT expr[, expr_.])

    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(DISTINCTexpr[, expr_.])返回指定字段的不同的非空值的个数

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

  2. 总和统计函数: sum(col) || sum(DISTINCT col)
    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 lxw_dual;
 100
 hive> select sum(distinct t) from lxw_dual;
 70

  3. 平均值统计函数: avg(col) || avg(DISTINCT col)
    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 lxw_dual;
 50
 hive> select avg (distinct t) from lxw_dual;
 30

  4. 最小值统计函数: min(col)
    统计结果集中col字段的最小值

     hive> select min(t) from lxw_dual;
 20

  5. 最大值统计函数: max(col)
    统计结果集中col字段的最大值

     hive> select max(t) from lxw_dual;
 120

  6. 非空集合总体变量函数: var_pop(col)
    返回值: double
    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 (col)
    返回值: double
    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(col)
    返回值: double
    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 (col)
    返回值: double
    该函数计算样本标准偏离

  10. 中位数函数: percentile

    • percentile(BIGINT col, p)
      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

        hive>select percentile(id,0.2) from student;
  2.0

    • percentile(BIGINT col, array(p1 [, p2]…))
      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

        hive>select percentile(id,array(0.2,0.4)) from student；  
  [2.0,2.4000000000000004]

  11. 近似中位数函数: percentile_approx(DOUBLE col, p [, B])
    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

  12. 直方图: histogram_numeric(col, b)
    返回值：array<struct {'x','y'}>
    以b为基准计算col的直方图信息

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

  13. 集合去重数：collect_set(col)
    只接受基本数据类型，它的主要作用是将某字段的值进行去重汇总，产生array类型字段

    如下数据记录，要统计每种no下的score，这里就可以配合group by 产生奇效
no  score
1   2
1   3
1   3
2   2
2   4
2   4
hive>select no，collect_set(score) from tablss group by no;
1	[2,3]
2	[2,4]

hive> select * from student;
1	zhangsan	22
2	lisi	21
3	wangwu	17
4	zhaoliu	25
2	lisi	21
3	wangwu	17
4	zhaoliu	25
hive>select name,collect_set(id) from student group by name;
lisi [2]
wangwu [3]
zhangsan [1]
zhaoliu [4]

  14. 集合不去重函数：collect_list (col)
    返回值: array
    将 col 字段合并成一个数组,不去重

    hive> select no,collect_list(score) from tablss group by no;
1	[2,3,3]
2	[2,4,4]

hive> select name,collect_list(id) from student group by name;
lisi	[2,2]
wangwu	[3,3]
zhangsan	[1]
zhaoliu	[4,4]

十五、表格生成函数Table-Generating Functions (UDTF)

  1. 数组拆分成多行：explode

    • explode(array a)
      返回值：Array Type
      对于a中的每个元素，将生成一行且包含该元素

        hive> select explode(split(concat_ws(',','1','2','3','4','5','6','7','8','9'),',')) from test.dual;  
  1  
  2  
  3  
  4  
  5  
  6  
  7  
  8  
  9

  2. Map拆分成多行：explode

    • explode(MAP)
      map中每个key-value对，生成一行，key为一列，value为一列

        hive> select explode(map('k1','v1','k2','v2'));
  k1	v1
  k2	v2
posted @ 2020-10-20 16:38  猫熊小才天  阅读(579)  评论(0)  编辑  收藏  举报