Hive Lateral View + explode 详解

Posted 2022-06-06 YaoYong_BigData

hive中的函数分为3类,UDF函数、UDAF函数、UDTF函数

• UDF：一进一出
• UDAF:聚集函数，多进一出，类似于：count/max/min
• UDTF:一进多出,如explore()、posexplode()，UDTF函数的时候只允许一个字段

百度explode()时，经常会出现lateral view + explode相关的文章，很少单独写explode()。分别了解ecplode() 与lateral view的各自作用很重要，不然过程都不知道实现的，换个UDTF函数就不会使用了。

一、UDTF函数 explode() 讲解

UDTF函数作用都是输入一行数据，将该行数据拆分、并返回多行数据。不同的UDTF函数只是拆分的原理不同、作用的数据格式不同而已。
这里详细讲解explode()用法，学会这一个其他的UDTF函数也会使用。

explode()将一行数据转换成列数据，可以用于array和map类型的数据
1）explode()用于array的语法如下：

select explode(arraycol) as newcol from tablename;

#arraycol：arrary数据类型字段。
#tablename：表名

2）explode()用于map的语法如下：

select explode(mapcol) as (keyname,valuename) from tablename;
#tablename：表名
#mapcol：map类型的字段
#keyname：表示key转换成的列名称，用于代表key转换之后的列名。
#valuename：表示value转换成的列名称，用于代表value转换之后的列名称。

explode()用于map类型的数据时，由于map是kay-value结构的，所以它在转换的时候会转换成两列，一列是kay转换而成的，一列是value转换而成的。

3）以上为explode()函数的用法，此函数存在局限性：

• 其一：不能关联原有的表中的其他字段。
• 其二：不能与group by、cluster by、distribute by、sort by联用。
• 其三：不能进行UDTF嵌套。
• 其四：不允许选择其他表达式。

二、百度explode()，总会出现lateral view，它们各自的作用是什么？

第一部分对explode()函数做了简单的讲解，知道它作用的数据格式为array和map ,也知道了如何单独使用explode，可能脑袋还是有点懵，下面将结合案例一起学习。

UDTF函数(如：explode)只能只允许对拆分字段进行访问，即select时只能出现explode作用的字段，不能在选择表中其它的字段，否则会报错。
但是实际中需求中经常要拆某个字段,然后一起与别的字段一起取。这时就要使用lateral view。

lateral view为侧视图,其实就是用来和像类似explode这种UDTF函数联用的，lateral view会将UDTF生成的结果放到一个虚拟表中，然后这个虚拟表会和输入行进行join来达到连接UDTF外的select字段的目的。

不加lateral view的UDTF函数只能提取单个字段拆分,并不能塞回原来数据表中。加上lateral view就可以将拆分的单个字段数据与原始表数据关联上。在使用lateral view的时候需要指定视图别名和生成的新列别名。

1、udtf + lateral view 格式一

lateral view udtf(expression) tableAlias as columnAlias (,columnAlias)*

• lateral view在UDTF前使用，表示连接UDTF所分裂的字段。
• UDTF(expression)：使用的UDTF函数，例如explode()。
• tableAlias：表示UDTF函数转换的虚拟表的名称。
• columnAlias：表示虚拟表的虚拟字段名称，如果分裂之后有一个列，则写一个即可；如果分裂之后有多个列，按照列的顺序在括号中声明所有虚拟列名，以逗号隔开。

2、udtf + lateral view 格式二

from basetable (lateral view)*

• 在from子句中使用，一般和格式一搭配使用，这个格式只是说明了lateral view的使用位置。
• from子句后面也可以跟多个lateral view语句，使用空格间隔就可以了。

eg:
SELECT myCol1, myCol2 FROM baseTable
LATERAL VIEW explode(col1) myTable1 AS myCol1
LATERAL VIEW explode(col2) myTable2 AS myCol2;

#col1为表baseTable字段中的map或者array类型
#col2为表baseTable字段中的map或者array类型

3、udtf + lateral view 格式三

from basetable (lateral view outer)*

from basetable (lateral view outer)*

它比格式二只是多了一个outer，这个outer的作用是在UDTF转换列的时候将其中的空也给展示出来，UDTF默认是忽略输出空的，加上outer之后，会将空也输出，显示为NULL。这个功能是在Hive0.12是开始支持的。

eg:
select name,key,value from student_score lateral view outer explode(score) scntable as key,value;

-------------可借助下面逻辑理解-------------
 

# 查看表数据
hive> select * from udtf_test;
OK
jim5    ["james5","datacloase"]
jim4    ["james4","datacloase"]
jim3    ["james3","datacloase"]
jim2    ["james2","datacloase"]
Time taken: 0.084 seconds, Fetched: 4 row(s)

# 1）hive只允许对其拆分字段进行访问
hive> select explode(subordinates) from udtf_test;
OK
james5
datacloase
james4
datacloase
james3
datacloase
james2
datacloase
Time taken: 0.075 seconds, Fetched: 8 row(s)

#2）同时select 查询 explode作用字段及其它字段时，报错
hive> select explode(subordinates),name from udtf_test;
FAILED: SemanticException 1:29 Only a single expression in the SELECT clause is supported with UDTF's. Error encountered near token 'name'

#3）借助lateral view，同时查询explode作用字段及其它字段
hive> select name,subordinate from udtf_test
    > lateral view explode(subordinates)sub as subordinate;
OK
jim5    james5
jim5    datacloase
jim4    james4
jim4    datacloase
jim3    james3
jim3    datacloase
jim2    james2
jim2    datacloase
Time taken: 0.06 seconds, Fetched: 8 row(s)

三、explode、posexplode与lateral view 3套案例练习

拓展：
        explode与lateral view在关系型数据库中本身是不该出现的，因为他的出现本身就是在操作不满足第一范式的数据（每个属性都不可再分），本身已经违背了数据库的设计原理（不论是业务系统还是数据仓库系统）
        不过大数据技术普及后，很多类似pv，uv的数据，在业务系统中是存贮在非关系型数据库中，用json存储的概率比较大，直接导入hive基础的数仓系统中，就需要经过ETL过程解析这类数据，explode与lateral view在这种场景下大显身手。

1、找出相同数字的号码超过5位的手机号

1) 使用数据

jimmhe  18191512076
xiaosong    18392988059
jingxianghua    18118818818
donghualing 17191919999

2) 创建表

CREATE TABLE udtf_test1(
  name string, 
  phonenumber string)
ROW FORMAT DELIMITED 
  FIELDS TERMINATED BY '\\t'

3) 加载数据

load data local inpath '/home/atguigu/data/test_20211215.txt' into table udtf_test1;

4) 查看加载表数据

hive> select * from udtf_test1;
OK
jimmhe  18191512076
xiaosong    18392988059
jingxianghua    18118818818
donghualing 17191919999
Time taken: 0.076 seconds, Fetched: 4 row(s)

5) 解题分析思路
split将电话号码，拆分成数组，在用explode炸裂：

select name,phonenumber
from(
select 
    name
    ,phonenumber
    ,phone_num
from udtf_test1
lateral view explode(split(phonenumber,'')) view_number as phone_num)aa
group by name,phonenumber,phone_num
having count(1)>=5

2、求一下每个学生成绩最好的学科及分数、最差的学科及分数、平均分数

有一张hive表，分别是学生姓名name(string)，学生成绩score(map<string,string>),成绩列中key是学科名称，value是对应学科分数，请用一个hql求一下每个学生成绩最好的学科及分数、最差的学科及分数
1）表数据如下：

zhangsan|Chinese:80,Math:60,English:90
lisi|Chinese:90,Math:80,English:70
wangwu|Chinese:88,Math:90,English:96
maliu|Chinese:99,Math:65,English:60

2）创建表：

create table stu_score_test(name string,score map<String,string>)
row format delimited
fields terminated by '|'
collection items terminated by ','
map keys terminated by ':';

3）导入数据：

load data local inpath '/home/atguigu/data/test_20211216' into table stu_score_test;

4）查看导入后表数据：

hive> select * from stu_score_test;
OK
zhangsan    "Chinese":"80","Math":"60","English":"90"
lisi    "Chinese":"90","Math":"80","English":"70"
wangwu  "Chinese":"88","Math":"90","English":"96"
maliu   "Chinese":"99","Math":"65","English":"60"
Time taken: 0.164 seconds, Fetched: 4 row(s)

5）解题思路
explode拆分map数据类型：

select 
    name,course,csorce
from(
    select 
        name
        ,course
        ,csorce 
        ,rank()over(partition by name order by csorce) last_rn
        ,rank()over(partition by name order by csorce desc) best_rn
    from stu_score_test
    lateral view  explode(score)  score_view as course,csorce
    )aa
where last_rn=1 or best_rn=1

3、计算酒店每天有多少个房间的入住---重点

1）需求如下

2）原始数据

7,2004,2021-03-05,2021-03-07
23,2010,2021-03-05,2021-03-06
7,1003,2021-03-07,2021-03-08
8,2014,2021-03-07,2021-03-08
14,3001,2021-03-07,2021-03-10
18,3002,2021-03-08,2021-03-10
23,3020,2021-03-08,2021-03-09
25,2006,2021-03-09,2021-03-12

3) 建表

create table temp_hotal_live(
user_id  varchar(50),
room_code  varchar(50),
Check_date varchar(50),
leave_date varchar(50)
)
ROW FORMAT DELIMITED 
  FIELDS TERMINATED BY ','
;

4) 分析思路
用posplode炸裂，补充完整时间：

SELECT 
start_dd,end_dd,count(1)
from
(SELECT
    user_id,  --用户id
    check_date,  --入店时间
    leave_date,  --离店时间
    date_add( check_date, pos ) start_dd,
    date_add( check_date, pos+1 ) end_dd
    FROM
    temp_hotal_live
    lateral VIEW 
    posexplode ( split ( REPEAT('A,',datediff( leave_date, check_date )) , ',' ) ) t AS pos, val
)
group BY start_dd,end_dd

• datediff,计算住了多少天，两个时间之间的差值；
• REPEAT(),把字符串复制多少次，把'A,'本题是把A,复制；
• split，把字符串按分隔符分割为数组；
• posexplode ：炸裂，并排序； 可以行转列，并把索引取出。