【hive】hive内置函数

前言

hive有很多内置函数，这张我们来认识一下

hive的本地模式

大多数的Hadoop job是需要hadoop提供的完整的可扩展性来处理大数据的。不过，有时hive的输入数据量是非常小的。在这种情况下，为查询出发执行任务的时间消耗可能会比实际job的执行时间要多的多。对于大多数这种情况，hive可以通过本地模式在单台机器上处理所有的任务。对于小数据集，执行时间会明显被缩短。

如此一来，对数据量比较小的操作，就可以在本地执行，这样要比提交任务到集群执行效率要快很多。

配置如下参数，可以开启Hive的本地模式：

hive> set hive.exec.mode.local.auto=true;(默认为false)

当一个job满足如下条件才能真正使用本地模式：

1. job的输入数据大小必须小于参数：hive.exec.mode.local.auto.inputbytes.max(默认128MB)
2. job的map数必须小于参数：hive.exec.mode.local.auto.tasks.max(默认4)
3. job的reduce数必须为0或者1

hive 中窗口函数row_number,rank,dense_ran,ntile分析函数的用法

示例数据：

1	 a    10
2   a   12
3   b   13
4   b   12
5   a   14
6   a   15
7   a   13
8   b   11
9   a   16
10  b   17
11  a   14

sql语句：

select id,
name,
sal,
rank()over(partition by name order by sal desc ) rp,
dense_rank() over(partition by name order by sal desc ) drp,
row_number()over(partition by name order by sal desc) rmp
from f_test

结果：

10    b    17    1    1    1
3    b    13    2    2    2
4    b    12    3    3    3
8    b    11    4    4    4
9    a    16    1    1    1
6    a    15    2    2    2
11    a    14    3    3    3
5    a    14    3    3    4
7    a    13    5    4    5
2    a    12    6    5    6
1    a    10    7    6    7

分析：

ntile

ntile(n)，用于将分组数据按照顺序切分成n片，返回当前切片值

ntile不支持rows between，
比如 ntile(2) over(partition by cookieid order by createtime rows between 3 preceding and current row)
如果切片不均匀，默认增加第一个切片的分布
比如需求为:求sal前50%的人

select * from (
select id,
name,
sal,
NTILE(2) over(partition by name order by sal desc ) rn
from f_test
) t where t.rn=1

Hive已定义函数介绍

测试各种内置函数的快捷方法：
创建一个 dual 表

create table dual(id string);

load 一个文件（只有一行内容：内容为一个空格）到 dual 表

1、字符串长度函数：length

语法: length(string A)
返回值: int
举例：

hive> select length(‘abcedfg’) from dual;

结果：

7

2、字符串反转函数：reverse

语法: reverse(string A)
返回值: string
说明：返回字符串A的反转结果
举例：

hive> select reverse(‘abcedfg’) from dual;

结果：

gfdecba

3、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 dual;

结果：

abcdefgh

4、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
举例：

hive> select concat_ws(‘,’,'abc’,'def’,'gh’) from dual;

结果：

abc,def,gh

5、字符串截取函数：substr,substring

语法: substr(string A, int start),substring(string A, int start)
返回值: string
说明：返回字符串A从start位置到结尾的字符串
举例：

hive> select substr(‘abcde’,3) from dual;

结果：

cde

hive> select substring(‘abcde’,3) from dual;

结果：

cde

hive> select substr(‘abcde’,-1) from dual; （和ORACLE相同）

结果：

e

6、类型转换

类型转换：case
select cast(1 as float);----------1.0
select cast(‘2016-05-22’ as date); ----------2016-05-22

字符串转大写函数：upper,ucase
字符串转小写函数：lower,lcase
语法: lower(string A) lcase(string A)
返回值: string
说明：返回字符串A的小写格式
举例：

hive> select lower(‘abSEd’) from dual;

结果：

absed

hive> select lcase(‘abSEd’) from dual;

结果：

absed

7、左右去除空格函数

左边去空格函数：ltrim
右边去空格函数：rtrim

8、正则表达式替换函数：regexp_replace

语法: regexp_replace(string A, string B, string C)
返回值: string
说明：将字符串A中的符合java正则表达式B的部分替换为C。注意，在有些情况下要使用转义字符
举例：

 hive> select regexp_replace(‘foobar’, ‘oo|ar’, ”) from dual;

结果：

fb

9、正则表达式解析函数：regexp_extract

语法: regexp_extract(string subject, string pattern, int index)
返回值: string
说明：将字符串subject按照pattern正则表达式的规则拆分，返回index指定的字符。注意，在有些情况下要使用转义字符
举例：

hive> select regexp_extract(‘foothebar’, ‘foo(.*?)(bar)’, 1) from dual;

结果：

the

hive> select regexp_extract(‘foothebar’, ‘foo(.*?)(bar)’, 2) from dual;

结果：

bar

hive> select regexp_extract(‘foothebar’, ‘foo(.*?)(bar)’, 0) from dual;

结果：

foothebar

10、URL解析函数：parse_url，parse_url_tuple（UDTF）

语法: parse_url(string urlString, string partToExtract [, string keyToExtract])，parse_url_tuple功能类似parse_url()，但它可以同时提取多个部分并返回
返回值: string
说明：返回URL中指定的部分。partToExtract的有效值为：HOST, PATH, QUERY, REF, PROTOCOL, AUTHORITY, FILE, and USERINFO.
举例：

hive> select parse_url(‘http://facebook.com/path1/p.php?k1=v1&k2=v2#Ref1′, ‘HOST’) from dual;

结果：

facebook.com

hive> select parse_url_tuple('http://facebook.com/path1/p.php?k1=v1&k2=v2#Ref1', 'QUERY:k1', 'QUERY:k2');
 

结果：

v1 v2

11、json解析函数：get_json_object

语法: get_json_object(string json_string, string path)
返回值: string
说明：解析json的字符串json_string,返回path指定的内容。如果输入的json字符串无效，那么返回NULL。
举例：

hive> select get_json_object(‘{
     “store”:
 
{
     “fruit”:\[{
     "weight":8,"type":"apple"},{
     "weight":9,"type":"pear"}],
 
“bicycle”:{
     “price”:19.95,”color”:”red”}
 
},
 
“email”:”amy@only_for_json_udf_test.net”,
 
“owner”:”amy”
 
}
 
 ‘,’$.owner’) from dual;

结果：

amy

12、集合查找函数: find_in_set

语法: find_in_set(string str, string strList)
返回值: int
说明: 返回str在strlist第一次出现的位置，strlist是用逗号分割的字符串。如果没有找该str字符，则返回0（只能是逗号分隔，不然返回0）
举例：

hive> select find_in_set(‘ab’,'ef,ab,de’) from dual;

结果：

2

hive> select find_in_set(‘at’,'ef,ab,de’) from dual;

结果：

0

13、行转列：explode （posexplode Available as of Hive 0.13.0）

说明：将输入的一行数组或者map转换成列输出
语法：explode(array (or map))
举例：

hive> select explode(split(concat_ws(',','1','2','3','4','5','6','7','8','9'),',')) from test.dual;

结果：
1

 
2
 
3
 
4
 
5
 
6
 
7
 
8
 
9

14、多行转换：lateral view

说明：lateral view用于和json_tuple，parse_url_tuple，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。
举例：
假设我们有一张表pageAds，它有两列数据，第一列是pageid string，第二列是adid_list，即用逗号分隔的广告ID集合：

string pageid	Array adid_list
“front_page”	[1, 2, 3]
“contact_page”	[3, 4, 5]

要统计所有广告ID在所有页面中出现的次数。
首先分拆广告ID：

SELECT pageid, adid 
FROM pageAds LATERAL VIEW explode(adid_list) adTable AS adid;

执行结果如下：

string pageid	int adid
“front_page”	1
“front_page”	2
“front_page”	3
“contact_page”	3
“contact_page”	4
“contact_page”	5

解释一下，from后面是你的表名，在表名后面加lateral view explode。。。（你的行转列sql） ，还必须要起一个别名，我这个字段的别名为sp。然后再看看select后面的 s.*，就是原表的字段，我这里面只有一个字段，且为X
多个lateral view的sql类如：

select * from exampletable lateral view explode(col1) mytable1 as mycol1 lateral view explode(mycol1) mytable2 as mycol2;

15、union结果集合并

union将多个select语句的结果集合并为一个独立的结果集

create table dw_oute_numbs as 
select 'step1' as step,count(distinct remote_addr) as numbs from ods_click_pageviews where datestr='2013-09-20' and request like '/item%'
union
select 'step2' as step,count(distinct remote_addr) as numbs from ods_click_pageviews where datestr='2013-09-20' and request like '/category%'
union
select 'step3' as step,count(distinct remote_addr) as numbs from ods_click_pageviews where datestr='2013-09-20' and request like '/order%'
union
select 'step4' as step,count(distinct remote_addr) as numbs from ods_click_pageviews where datestr='2013-09-20' and request like '/index%';

±--------------------±---------------------±-+
| dw_oute_numbs.step | dw_oute_numbs.numbs |
±--------------------±---------------------±-+
| step1 　　　　　　　　| 1029 　　　　　　　　　|
| step2 　　　　　　　　| 1029 　　　　　　　　　|
| step3 　　　　　　　　| 1028 　　　　　　　　　|
| step4 　　　　　　　　| 1018 　　　　　　　　　|
±--------------------±---------------------±-+

抽取一行数据转换到新表的多列样例：

http_referer是获取的带参数请求路径，其中非法字符用\做了转义，根据路径解析出地址，查询条件等存入新表中，

drop table if exists t_ods_tmp_referurl;
 
create table t_ ods _tmp_referurl as
 
SELECT a.*,b.*
 
FROM ods_origin_weblog a LATERAL VIEW parse_url_tuple(regexp_replace(http_referer, "\"", ""), 'HOST', 'PATH','QUERY', 'QUERY:id') b as host, path, query, query_id;

复制表，并将时间截取到日：

drop table if exists t_ods_tmp_detail;
 
create table t_ods_tmp_detail as
 
select b.*,substring(time_local,0,10) as daystr,
 
substring(time_local,11) as tmstr,
 
substring(time_local,5,2) as month,
 
substring(time_local,8,2) as day,
 
substring(time_local,11,2) as hour
 
From t_ ods _tmp_referurl b;