一篇搞定hive函数,建议收藏!

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了一篇搞定hive函数,建议收藏!相关的知识,希望对你有一定的参考价值。

导语

小伙伴们好,俗话说:工欲善其事必先利其器,hive是我们与大数据打交道的工具,所以我们需要熟练使用hive的一些函数,这样后面的数据测试就得心应手啦。

废话不多说直接上干货

目录如下

  1. 数据准备

  2. 字符函数

  3. 聚合函数

  4. 数学函数

  5. 时间函数

  6. 窗口函数

  7. 条件函数

1 数据准备

首先我们创建一张收集用户流量页面的SQL表,同学们可以直接将其在mysql下创建:

/*
SQLyog Ultimate v12.09 (64 bit)
MySQL - 5.7.16-log : Database -
*********************************************************************
*/

/*!40101 SET NAMES utf8 */;

/*!40101 SET SQL_MODE=‘‘*/;

/*!40014 SET @OLD_UNIQUE_CHECKS=@@UNIQUE_CHECKS, UNIQUE_CHECKS=0 */;
/*!40014 SET @OLD_FOREIGN_KEY_CHECKS=@@FOREIGN_KEY_CHECKS, FOREIGN_KEY_CHECKS=0 */;
/*!40101 SET @OLD_SQL_MODE=@@SQL_MODE, SQL_MODE=‘NO_AUTO_VALUE_ON_ZERO‘ */;
/*!40111 SET @OLD_SQL_NOTES=@@SQL_NOTES, SQL_NOTES=0 */;
CREATE DATABASE /*!32312 IF NOT EXISTS*/`user_database` /*!40100 DEFAULT CHARACTER SET utf8 */;

USE `user_database`;

/*Table structure for table `user_view` */

DROP TABLE IF EXISTS `user_view`;

CREATE TABLE `user_view` (
  `site_id` char(4) DEFAULT NULL,
  `user_name` char(11) DEFAULT NULL,
  `pv` int(4) DEFAULT NULL,
  `dt` char(16) DEFAULT NULL
) ENGINE=InnoDB DEFAULT CHARSET=utf8;

/*Data for the table `user_view` */

insert  into `user_view`(`site_id`,`user_name`,`pv`,`dt`) values (‘A10‘,‘Sone‘,2,‘20200801‘),(‘A10‘,‘welsh‘,3,‘20200801‘),(‘A10‘,‘Sone‘,16,‘20200801‘),(‘A10‘,‘Albert‘,20,‘20200802‘),(‘A10‘,‘GG‘,32,‘  20200801‘),(‘A20‘,‘Albert‘,42,‘  20200801‘),(‘A20‘,‘welsh‘,10,‘20200801‘),(‘A20‘,‘welsh‘,15,‘20200802‘),(‘A10‘,‘Albert‘,20,‘20200801‘),(‘A20‘,‘Sone‘,NULL,‘20200802‘),(‘A20‘,‘welsh‘,15,‘20200802‘),(‘A20‘,‘Albert‘,10,‘20200802‘),(‘A10‘,‘Jojo‘,16,‘20200802‘),(‘A20‘,‘welsh‘,35,‘20200803‘),(‘A10‘,‘welsh‘,33,‘20200803‘),(‘A20‘,‘Sone‘,66,‘20200803‘),(‘A20‘,‘Jojo‘,15,‘20200802‘),(‘A10‘,‘Albert‘,53,‘20200803‘),(‘A10‘,‘Jojo‘,12,‘20200803‘),(‘A20‘,‘GG‘,35,‘20200803‘),(‘A20‘,‘J.K‘,30,‘20200803‘);

/*!40101 SET SQL_MODE=@OLD_SQL_MODE */;
/*!40014 SET FOREIGN_KEY_CHECKS=@OLD_FOREIGN_KEY_CHECKS */;
/*!40014 SET UNIQUE_CHECKS=@OLD_UNIQUE_CHECKS */;
/*!40111 SET SQL_NOTES=@OLD_SQL_NOTES */;

预览:
技术图片

2 字符函数

说明:对字符进行拼接、截取、去空格

枚举:concat、concat_ws、substring、trim、lpad、rpad、split、find_in_set

2.1 concat
说明:拼接字符

SELECT CONCAT(user_name,dt) FROM user_view

# 输出:
"welsh20200801"
"Albert20200801"
...
2.2 concat_ws
说明:拼接字符且分割

SELECT CONCAT_WS(‘:‘,user_name,dt) FROM user_view

# 输出:
"welsh:20200801"
"Albert:20200801"
...
2.3 substring
说明:截取字符串

用法:subString(col, intstart, int len)

SELECT CONCAT_WS(‘:‘,user_name,dt) FROM user_view

# 输出:
"welsh:20200801"
"Albert:20200801"
...
2.4 trim
说明:去掉两边的空格

用法:trim(col)

select trim(‘    welsh     ‘) 
# 输出:
"welsh"
2.5 repeat
说明:复制函数

用法:repeat(string str, int n)

select repeat(‘welsh‘,2)
# 输出:
"welshwelsh"
2.6 lpad
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‘)
# 输出:
"dddddwelsh"
2.7 rpad
说明:右补充函数,默认从右开始补充

用法:rpad(string str, int len, string pad)

select rpad(‘welsh‘,10, ‘ddd‘)
# 输出:
"welshddddd"
2.8 split:
说明:分割函数,返回list

用法:split(string str, stringpat)

select split(‘welshUAlbertUGG‘,‘U‘)
# 输出:
["welsh","Albert","GG"]
2.9 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

3 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
3.1 count
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(pv) from user_view

# count(distinct col)统计去重总数
select count(distinct user_name) from user_view
3.2 sum
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
3.3 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
3.4 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"]
3.4 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"]

4 数学函数

说明:对数据球方差、标准偏差、样本标准层

枚举:variance、stddev_pop、stddev_samp

  # variance方差
  SELECT variance(pv) FROM user_view

  # stddev_pop标准偏差
  SELECT stddev_pop(pv) FROM user_view

  # stddev_samp样本标准偏差
  SELECT stddev_samp(pv) FROM user_view

5 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

5.1 unix_timestamp

说明:获取当前时间戳

用法:unix_timestamp()

SELECT unix_timestamp()

# 输出:
1600226901

5.2 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

5.3 to_date

说明:格式化时间

用法:to_date()

SELECT to_date(‘2020-09-10 10:03:01‘) as now_time

# 输出:
2020-09-10

5.4 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

5.5 datediff

说明:日期相差天数

用法:datediff()

select datediff(‘2020-09-09‘,‘2020-08-08‘)

# 输出:
32

5.6 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

5.7 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

6 窗口函数

说明:常用于对现有数据的排名

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‘
输出:

user_name   pv  ord_1   ord_2   ord_3
Sone    66  1   1   1
welsh   35  2   2   2
GG  35  3   2   2
J.K 30  4   4   3
结论:由于welsh 与 GG 的pv值一样,所以根据规则排名如下

row_number() 排名:1234

RANK() 排名:1224

DENSE_RANK() 排名:1223

7 条件函数

说明:常用于对null进行处理

枚举:case

select 
    user_name,
    case when pv is null then 0 else pv end as pv
from dmall_gaea_analysis.user_view where pv is null

# 输出:
user_name       pv
Sone            0  

关注我的微信公众号【数据猿温大大】

获取 hive官方权威手册

技术图片

以上是关于一篇搞定hive函数,建议收藏!的主要内容,如果未能解决你的问题,请参考以下文章

再也不用担心毕设了,25套Java项目帮你搞定毕业设计!!建议收藏

2021年大数据Hive:Hive自定义函数

一文搞定Matplotlib 各个示例丨建议收藏

超详细干货收藏向Java面试必备一文搞定Java集合容器

常用正则表达式合集,这一篇就够了!!(含完整案例,建议收藏)

全网最全HTML标签详解大全-第一篇{建议收藏}