Hive学习之内置聚合函数

聚合函数

下表为Hive内置的聚合函数。

返回类型	函数名	描述
BIGINT	count(*) count(expr) count(DISTINCT expr[, expr_.])	count(*) – 返回检索到的行的总数，包括含有NULL值的行。count(expr) – 返回expr表达式不是NULL的行的数量count(DISTINCT expr[, expr]) – 返回expr是唯一的且非NULL的行的数量
DOUBLE	sum(col) sum(DISTINCT col)	对组内某列求和（包含重复值）或者对组内某列求和（不包含重复值）
DOUBLE	avg(col), avg(DISTINCT col)	对组内某列元素求平均值者（包含重复值或不包含重复值）
DOUBLE	min(col)	返回组内某列的最小值
DOUBLE	max(col)	返回组内某列的最大值
DOUBLE	variance(col), var_pop(col)	返回组内某个数字列的方差
DOUBLE	var_samp(col)	返回组内某个数字列的无偏样本方差
DOUBLE	stddev_pop(col)	返回组内某个数字列的标准差
DOUBLE	stddev_samp(col)	返回组内某个数字列的无偏样本标准差
DOUBLE	covar_pop(col1, col2)	返回组内两个数字列的总体协方差
DOUBLE	covar_samp(col1, col2)	返回组内两个数字列的样本协方差
DOUBLE	corr(col1, col2)	返回组内两个数字列的皮尔逊相关系数
DOUBLE	percentile(BIGINT col, p)	返回组内某个列精确的第p位百分数，p必须在0和1之间
array	percentile(BIGINT col, array(p1 [, p2]...))	返回组内某个列精确的第p1，p2，……位百分数，p必须在0和1之间
DOUBLE	percentile_approx(DOUBLE col, p [, B])	返回组内数字列近似的第p位百分数（包括浮点数），参数B控制近似的精确度，B值越大，近似度越高，默认值为10000。当列中非重复值的数量小于B时，返回精确的百分数
array	percentile_approx(DOUBLE col, array(p1 [, p2]...) [, B])	同上，但接受并返回百分数数组
array	histogram_numeric(col, b)	使用b个非均匀间隔的箱子计算组内数字列的柱状图（直方图），输出的数组大小为b，double类型的(x,y)表示直方图的中心和高度
array	collect_set(col)	返回消除了重复元素的数组
array	collect_list(col)	返回允许重复元素的数组
INTEGER	ntile(INTEGER x)	该函数将已经排序的分区分到x个桶中，并为每行分配一个桶号。这可以容易的计算三分位，四分位，十分位，百分位和其它通用的概要统计

内置 Table-Generating函数（UDTF）

正常的用户定义函数，如concat，输入一个单行然后输出一个单行，但table-generating函数将一个单输入行转换为多个输出行。下表为Hive内置的table-generating函数。

返回类型	函数名	描述
N rows	explode(ARRAY)	参数列为数组类型，将数组数据中的每个元素做为一行返回
N rows	explode(MAP)	将输入map中的每个键值对转换为两列，一列为key，另一列为value，然后返回新行
	inline(ARRAY)	分解struct数组到表中
Array Type	explode(array<TYPE> a)	对于数组a中的每个元素，该函数产生包含该元素的行For
元组	json_tuple(jsonStr, k1, k2, ...)	参数为一组键k1，k2……和JSON字符串，返回值的元组。该方法比 get_json_object 高效，因为可以在一次调用中输入多个键
元组	parse_url_tuple(url, p1, p2, ...)	该方法同parse_url() 相似，但可以一次性提取URL的多个部分，有效的参数名称为： HOST, PATH, QUERY, REF, PROTOCOL, AUTHORITY, FILE, USERINFO, QUERY:
N rows	posexplode(ARRAY)	行为与参数为数组的explode方法相似，但包含项在原始数组中的位置，返回(pos,value)的二元组
	stack(INT n, v_1, v_2, ..., v_k)	将v_1, ..., v_k 分为n行，每行包含n/k列，n必须为常数

使用语法”SELECT udtf(col) AS colAlias...”有以下几点限制：

•  在SELECT中不允许再有其他表达式：不支持SELECT pageid, explode(adid_list) AS myCol...
•  UDTF不能够嵌套使用：不支持SELECT explode(explode(adid_list)) AS myCol...
• 不支持GROUP BY /CLUSTER BY / DISTRIBUTE BY / SORT BY：不支持SELECT explode(adid_list) AS myCol ... GROUP BY myCol