Hive常见内置函数及其使用

函数分类

HIVE CLI命令

显示当前会话有多少函数可用
SHOW FUNCTIONS;

显示函数的描述信息
DESC FUNCTION concat;

显示函数的扩展描述信息
DESC FUNCTION EXTENDED concat;

简单函数

函数的计算粒度为单条记录。
关系运算
数学运算
逻辑运算
数值计算
类型转换
日期函数
条件函数
字符串函数
统计函数

聚合函数

函数处理的数据粒度为多条记录。
sum()—求和
count()—求数据量
avg()—求平均直
distinct—求不同值数
min—求最小值
max—求最人值

集合函数

复合类型构建
复杂类型访问
复杂类型长度

特殊函数

窗口函数

应用场景
用于分区排序
动态Group By
Top N
累计计算
层次查询

Windowing functions

lead
lag
FIRST_VALUE
LAST_VALUE

分析函数

Analytics functions

RANK
ROW_NUMBER
DENSE_RANK
CUME_DIST
PERCENT_RANK
NTILE

混合函数

java_method(class,method [,arg1 [,arg2])
reflect(class,method [,arg1 [,arg2..]])
hash(a1 [,a2...])

UDTF

lateralView: LATERAL VIEW udtf(expression) tableAlias AS columnAlias (‘,‘ columnAlias)*  
fromClause: FROM baseTable (lateralView)*  

ateral view用于和split, explode等UDTF一起使用，它能够将一行数据拆成多行数据，在此基础上可以对拆分后的数据进行聚合。lateral view首先为原始表的每行调用UDTF，UTDF会把一行拆分成一或者多行，lateral view再把结果组合，产生一个支持别名表的虚拟表。

常用函数Demo：

create table employee(
id string,
money double,
type string
)
row format delimited 
fields terminated by ‘\t‘ 
lines terminated by ‘\n‘ 
stored as textfile;
load data local inpath ‘/liguodong/hive/data‘ into table employee;
select * from employee;

优先级依次为NOT AND OR
select id,money from employee where (id=‘1001‘ or id=‘1002‘) and money=‘100‘;

cast类型转换

select cast(1.5 as int);

if判断

if(con,‘‘,‘‘);

hive (default)> select if(2>1,‘YES‘,‘NO‘);
YES

case when con then ‘‘ when con then ‘‘ else  ‘‘ end (‘‘里面类型要一样)

select case when id=‘1001‘ then ‘v1001‘ when id=‘1002‘ then ‘v1002‘ else ‘v1003‘ end from employee;

get_json_object

get_json_object(json 解析函数，用来处理json，必须是json格式)
select get_json_object(‘{"name":"jack","age":"20"}‘,‘$.name‘);

URL解析函数

parse_url(string urlString, string partToExtract [, string keyToExtract])

select parse_url(‘http://facebook.com/path1/p.php?k1=v1&k2=v2#Ref1‘, ‘HOST‘) from
employee limit 1;

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
举例：

hive> select concat(‘abc‘,‘def’,‘gh‘) from lxw_dual;
abcdefgh

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

concat_ws(string SEP, array<string>)

举例：
hive> select concat_ws(‘,‘,‘abc‘,‘def‘,‘gh‘) from lxw_dual;
abc,def,gh

列出该字段所有不重复的值，相当于去重
collect_set(id)  //返回的是数组

列出该字段所有的值，列出来不去重 
collect_list(id)   //返回的是数组

select collect_set(id) from taborder;

求和
sum(money)

统计列数
count(*)

select sum(num),count(*) from taborder;

窗口函数

first_value(第一行值)

first_value(money) over (partition by id order by money)

select ch,num,first_value(num) over (partition by ch order by num) from taborder;

rows between 1 preceding and 1 following (当前行以及当前行的前一行与后一行)


hive (liguodong)> select ch,num,first_value(num) over (partition by ch order by num ROWS BETWEEN 2 PRECEDING AND CURRENT ROW) from taborder;

last_value 最后一行值
hive (liguodong)> select ch,num,last_value(num) over (partition by ch) from taborder;

 lead
 去当前行后面的第二行的值
 lead(money,2) over (order by money)

 lag 
 去当前行前面的第二行的值
 lag(money,2) over (order by money)
 ```

 ```
 select ch, num, lead(num,2) over (order by num) from taborder;

 select ch, num, lag(num,2) over (order by num) from taborder;

rank排名

rank() over(partition by id order by money)

select ch, num, rank() over(partition by ch order by num) as rank from taborder;

select ch, num, dense_rank() over(partition by ch order by num) as dense_rank from taborder;

cume_dist

cume_dist (相同值的最大行号/行数)
cume_dist() over (partition by id order by money)

percent_rank (相同值的最小行号-1)/(行数-1)

第一个总是从0开始
percent_rank() over (partition by id order by money)


 select ch,num,cume_dist() over (partition by ch order by num) as cume_dist,
 percent_rank() over (partition by ch order by num) as percent_rank
 from taborder;

 ntile分片 
 ntile(2) over (order by money desc)  分两份 

 select ch,num,ntile(2) over (order by num desc) from taborder;

混合函数

select id,java_method("java.lang,Math","sqrt",cast(id as double)) as sqrt from hiveTest;

UDTF

 select id,adid 
 from employee 
 lateral view explode(split(type,‘B‘)) tt as adid;
 explode 把一列转成多行

hive (liguodong)>  select id,adid
                >  from hiveDemo
                >  lateral view explode(split(str,‘,‘)) tt as adid;

正则表达式
使用正则表达式的函数
regexp_replace(string subject A,string B,string C)
regexp_extract(string subject,string pattern,int index)

hive> select regexp_replace(‘foobar‘, ‘oo|ar‘, ‘‘) from lxw_dual;
fb

hive> select regexp_replace(‘979|7.10.80|8684‘, ‘.*\\|(.*)‘,1) from hiveDemo limit 1;

hive> select regexp_replace(‘979|7.10.80|8684‘, ‘(.*?)\\|(.*)‘,1) from hiveDemo limit 1;