hive 常用函数
Posted
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了hive 常用函数相关的知识,希望对你有一定的参考价值。
参考技术A 查看系统自带的函数show functions;
显示自带的函数的用法
desc function upper;
3 )详细显示自带的函数的用法
desc function extended upper;
常用日期函数
unix_timestamp:返回当前或指定时间的时间戳
from_unixtime:将时间戳转为日期格式
current_date:当前日期
current_timestamp:当前的日期加时间
to_date:抽取日期部分
year:获取年
month:获取月
day:获取日
hour:获取时
minute:获取分
second:获取秒
weekofyear:当前时间是一年中的第几周
dayofmonth:当前时间是一个月中的第几天
months_between: 两个日期间的月份
add_months:日期加减月
datediff:两个日期相差的天数
date_add:日期加天数
date_sub:日期减天数
last_day:日期的当月的最后一天
常用取整函数
round: 四舍五入
ceil: 向上取整
floor: 向下取整
常用字符串操作函数
upper: 转大写
lower: 转小写
length: 长度
trim: 前后去空格
lpad: 向左补齐,到指定长度
rpad: 向右补齐,到指定长度
regexp_replace: SELECT regexp_replace('100-200', '(\\d+)', 'num') ;
使用正则表达式匹配目标字符串,匹配成功后替换!
Hive 常用函数
Hive 常用函数
一、常用内置函数
查看系统自带的函数
show functions;
显示自带的函数的用法
desc function upper;
详细显示自带的函数的用法
desc function extended upper;
1、空字段赋值
NVL:给值为NULL的数据赋值,它的格式是NVL( value,default_value)
。如果value为NULL,则返回default_value的值,否则返回value的值。
2、CASE WHEN THEN ELSE END
求出不同部门男女各多少人。结果如下:
select
dept_id,
sum(case sex when '男' then 1 else 0 end) male_count,
sum(case sex when '女' then 1 else 0 end) female_count
from emp_sex
group by dept_id;
3、行转列
CONCAT(string A/col, string B/col…)
:返回输入字符串连接后的结果,支持任意个输入字符串;
CONCAT_WS(separator, str1, str2,...)
:它是一个特殊形式的 CONCAT()。separator为参数间的分隔符。这个函数会跳过分隔符参数后的任何 NULL 和空字符串。
注意: CONCAT_WS must be "string or array
COLLECT_SET(col)
:,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。COLLECT_SET函数只接受基本数据类型。
collect_list()
: 汇总
4、列转行
EXPLODE(col)
:将array或者map结构拆分成多行。
LATERAL VIEW
: 侧写表(虚拟表)
LATERAL VIEW
用法:LATERAL VIEW udtf(expression) tableAlias AS columnAlias
解释:用于和split, explode等UDTF一起使用,它能够将一列数据拆成多行数据,在此基础上可以对拆分后的数据进行聚合。
示例:
SELECT movie,category_name
FROM movie_info
lateral VIEW
explode(split(category,",")) movie_info_tmp AS category_name ;
5、窗口函数(开窗函数)
OVER()
:指定分析函数工作的数据窗口大小,这个数据窗口大小可能会随着行的改变而变化。
CURRENT ROW
:当前行
n PRECEDING
:往前n行数据
n FOLLOWING
:往后n行数据
UNBOUNDED
:起点,
UNBOUNDED PRECEDING
表示从前面的起点,
UNBOUNDED FOLLOWING
表示到后面的终点
LAG(col,n,default_val)
:往前第n行数据
LEAD(col,n, default_val)
:往后第n行数据
NTILE(n)
:把有序窗口的行分发到指定数据的组中,各个组有编号,编号从1开始,对于每一行,NTILE返回此行所属的组的编号。注意:n必须为int类型。
(1) 查询在2017年4月份购买过的顾客及总人数
select name,count(*) over ()
from business
where substring(orderdate,1,7) = '2017-04'
group by name;
(2) 查询顾客的购买明细及月购买总额
select name,orderdate,cost,
sum(cost) over(partition by month(orderdate))
from business;
(3) 将每个顾客的cost按照日期进行累加
select name,orderdate,cost,
sum(cost) over() as sample1,--所有行相加
sum(cost) over(partition by name) as sample2,--按name分组,组内数据相加
sum(cost) over(partition by name order by orderdate) as sample3,--按name分组,组内数据累加
sum(cost) over(partition by name order by orderdate rows between UNBOUNDED PRECEDING and current row ) as sample4 ,--和sample3一样,由起点到当前行的聚合
sum(cost) over(partition by name order by orderdate rows between 1 PRECEDING and current row) as sample5, --当前行和前面一行做聚合
sum(cost) over(partition by name order by orderdate rows between 1 PRECEDING AND 1 FOLLOWING ) as sample6,--当前行和前边一行及后面一行
sum(cost) over(partition by name order by orderdate rows between current row and UNBOUNDED FOLLOWING ) as sample7 --当前行及后面所有行
from business;
注意:
rows必须跟在Order by 子句之后,对排序的结果进行限制,使用固定的行数来限制分区中的数据行数量
(4) 查看顾客上次的购买时间
select name,orderdate,cost,
lag(orderdate,1,'1900-01-01') over(partition by name order by orderdate ) as time1, lag(orderdate,2) over (partition by name order by orderdate) as time2
from business;
含义:LAG(col,n,DEFAULT)
用于统计窗口内往上第n行值
第一个参数为列名,第二个参数为往上第n行(可选,默认为1),第三个参数为默认值(当往上第n行为NULL时候,取默认值,如不指定,则为NULL)
(5) 查询前20%时间的订单信息
select * from (
select name,orderdate,cost, ntile(5) over(order by orderdate) sorted
from business
) t
where sorted = 1;
总结:
-
over(): 会为每条数据都开启一个窗口. 默认的窗口大小就是当前数据集的大小.
-
over(partition by …) : 会按照指定的字段进行分区, 将分区字段的值相同的数据划分到相同的区。
每个区中的每条数据都会开启一个窗口.每条数据的窗口大小默认为当前分区数据集的大小. -
over(order by …) : 会在窗口中按照指定的字段对数据进行排序.
会为每条数据都开启一个窗口,默认的窗口大小为从数据集开始到当前行. -
over(partition by … order by …) :会按照指定的字段进行分区,
将分区字段的值相同的数据划分到相同的区,
在每个区中会按照指定的字段进行排序.
会为每条数据都开启一个窗口,默认的窗口大小为当前分区中从数据集开始到当前行. -
over(partition by … order by … rows between … and …) :
指定每条数据的窗口大小.
关键字:
order by : 全局排序 或者 窗口函数中排序.
partition by : 窗口函数中分区
distribute by : 分区
sort by : 区内排序
cluster by : 分区排序, 等价于 distribute by + sort by
partitioned by : 建表指定分区字段
clustered by : 建表指定分桶字段
6、Rank
RANK()
排序相同时会重复,总数不会变
DENSE_RANK()
排序相同时会重复,总数会减少
ROW_NUMBER()
会根据顺序计算
select name,
subject,
score,
rank() over(partition by subject order by score desc) rp,
dense_rank() over(partition by subject order by score desc) drp,
row_number() over(partition by subject order by score desc) rmp
from score;
二、常用日期函数
- unix_timestamp:返回当前或指定时间的时间戳
select unix_timestamp();
select unix_timestamp("2020-10-28",'yyyy-MM-dd');
- from_unixtime:将时间戳转为日期格式
select from_unixtime(1603843200);
- current_date:当前日期
select current_date;
- current_timestamp:当前的日期加时间
select current_timestamp;
- to_date:抽取日期部分
select to_date('2020-10-28 12:12:12');
- year:获取年
select year('2020-10-28 12:12:12');
- month:获取月
select month('2020-10-28 12:12:12');
- day:获取日
select day('2020-10-28 12:12:12');
- hour:获取时
select hour('2020-10-28 12:13:14');
- minute:获取分
select minute('2020-10-28 12:13:14');
- second:获取秒
select second('2020-10-28 12:13:14');
- weekofyear:当前时间是一年中的第几周
select weekofyear('2020-10-28 12:12:12');
- dayofmonth:当前时间是一个月中的第几天
select dayofmonth('2020-10-28 12:12:12');
- months_between: 两个日期间的月份
select months_between('2020-04-01','2020-10-28');
- add_months:日期加减月
select add_months('2020-10-28',-3);
- datediff:两个日期相差的天数
select datediff('2020-11-04','2020-10-28');
- date_add:日期加天数
select date_add('2020-10-28',4);
- date_sub:日期减天数
select date_sub('2020-10-28',-4);
- last_day:日期的当月的最后一天
select last_day('2020-02-30');
- date_format(): 格式化日期
select date_format('2020-10-28 12:12:12','yyyy/MM/dd HH:mm:ss');
三、常用取整函数
round: 四舍五入
select round(3.14);
select round(3.54);
ceil: 向上取整
select ceil(3.14);
select ceil(3.54);
floor: 向下取整
select floor(3.14);
select floor(3.54);
四、常用字符串操作函数
.upper: 转大写
select upper('low');
lower: 转小写
select lower('low');
length: 长度
select length("atguigu");
trim: 前后去空格
select trim(" atguigu ");
lpad: 向左补齐,到指定长度
select lpad('atguigu',9,'g');
rpad: 向右补齐,到指定长度
select rpad('atguigu',9,'g');
regexp_replace:使用正则表达式匹配目标字符串,匹配成功后替换!
SELECT regexp_replace('2020/10/25', '/', '-');
五、集合操作
size: 集合中元素的个数
select size(friends) from test3;
map_keys: 返回map中的key
select map_keys(children) from test3;
map_values: 返回map中的value
select map_values(children) from test3;
array_contains: 判断array中是否包含某个元素
select array_contains(friends,'bingbing') from test3;
sort_array: 将array中的元素排序
select sort_array(friends) from test3;
以上是关于hive 常用函数的主要内容,如果未能解决你的问题,请参考以下文章