【博学谷学习记录】超强总结，用心分享 | 狂野大数据-Hive函数

一、Hive的内置函数

1.1数学函数

-- 四舍五入
select round(3.456);

-- 指定位数四舍五入
select round(3.455,1);

-- 向下取整
select floor(3.9);

-- 向上取整
select ceil(3.1);

-- 取随机数  -- 1到100之间的随机数
select `floor`((rand() * 100)+1);

-- 绝对值
select abs(-12);

-- 几次方运算
select pow(2,3); -- 2的3次方

1.2 字符串函数

-- URL路径解析
select parse_url('https://www.bilibili.com/video/BV1E4411H73v/?p=64&spm_id_from=pageDriver&vd_source=3673b24e06f610677de7d2b4998d22bc','HOST');
select parse_url('https://www.bilibili.com/video/BV1E4411H73v/?p=64&spm_id_from=pageDriver&vd_source=3673b24e06f610677de7d2b4998d22bc','PATH');
select parse_url('https://www.bilibili.com/video/BV1E4411H73v/?p=64&spm_id_from=pageDriver&vd_source=3673b24e06f610677de7d2b4998d22bc','QUERY');
select parse_url('https://www.bilibili.com/video/BV1E4411H73v/?p=64&spm_id_from=pageDriver&vd_source=3673b24e06f610677de7d2b4998d22bc','QUERY','p');
select parse_url('https://www.bilibili.com/video/BV1E4411H73v/?p=64&spm_id_from=pageDriver&vd_source=3673b24e06f610677de7d2b4998d22bc','QUERY','vd_source');
-- json数据解析
select get_json_object('{"name": "zhangsan","age": 18, "preference": "music"}', '$.name');

select get_json_object('{"name": "zhangsan","age": 18, "preference": "music"}', '$.age');
select get_json_object('{"name": {"aaa":"bbb"}}', '$.name.aaa');

-- 本地模式，测试环境加速查询
set hive.stats.column.autogather=false;
set hive.exec.mode.local.auto=true;

-- 字符串拼接
create table student(
    id int,
    name string,
    ageyear string,
    gender string
) row format delimited fields terminated by '\t';

load data local inpath '/root/test/hive_data/student.txt' overwrite into table student;
select * from student;
select concat(`floor`((rand()*100)+1),'-',id) as sid, name from student;

-- 字符串拼接，带分隔符
select concat_ws('-','2022','10','15');

-- 对数函数
select log10(100);  -- 对数函数

-- 字符串截取
select substr('2022-12-23 10:13:45',1,4); -- 2022
select substring('2022-12-23 10:13:45',6,2); -- 12

-- 字符串替换
select regexp_replace('floobar','oo','*');

-- 字符串切割
select split('2022-12-23','-');

1.3 日期函数

select unix_timestamp();-- 离1970年1月1日秒值,晚了8个小时
select current_date();  -- 获取当前的年月日
select `current_timestamp`(); -- 获取当前的年月日，时分秒

-- 将时间戳转换为时间格式
select from_unixtime(1677596757,'yyyy-MM-dd HH:mm:dd');
select from_unixtime(unix_timestamp()+8*3600,'yyyy-MM-dd HH:mm:dd');

-- 将时间转换为时间戳
select unix_timestamp('20111207 13:01:03','yyyyMMdd HH:mm:ss');
select unix_timestamp('2022年12月23日 11点22分36秒', 'yyyy年MM月dd日 HH点mm分ss秒');

select from_unixtime(unix_timestamp('2022年12月23日 11点22分36秒', 'yyyy年MM月dd日 HH点mm分ss秒'),'yyyy-MM-dd HH:mm:dd');
-- 日期格式转换
select date_format('2022-1-1 3:5:6', 'yyyy-MM-dd HH:mm:ss');

-- 获取年月日
select to_date('2011-12-08 10:03:01');

select year('2011-12-08 10:03:01') +10;
select substring('2011-12-08 10:03:01', 1, 4) + 10;
select hour('2011-12-08 10:03:01');

--获取当前日期周几
select `dayofweek`('2023-02-28') -1;-- 默认周日是第一天
-- 获取当前日期是当年的第几周
select weekofyear('2023-02-28');
-- 获取季度
select quarter('2023-02-28');

-- 日期的差值
select datediff('2023-02-28', '2008-08-08');
select abs(datediff('2008-08-08', '2023-02-28'));

-- 日期向后推移（：天）
select date_add('2023-02-28',100);
-- 日期向前推移 （：天）
select date_add('2023-02-28',-100);
-- 日期向前推移 （：天）
select date_sub('2023-02-28',100);-- 同上

1.4 条件判断函数

-- if语句
select *,
       if(sscore >= 60, '及格', '不及格') as flag
from score;
-- case语句
select *,
       case sex
           when 'm' then '男'
           when 'f' then '女'
           end as gender
from test3;

select *,
       case
           when sscore >= 90 then '优秀'
           when sscore >= 80 then '良好'
           when sscore >= 60 then '及格'
           when sscore < 60 then '不及格'
       else '其他' end
from score;

二、行转列和列转行函数

2.1行转列

用的是collect_list()函数,collect_set()函数(可去重)
代码如下（示例）：

-- collect_list可以将每一组的ename存入数组，不去重
select deptno,collect_list(ename) from emp group by deptno;

-- collect_list可以将每一组的ename存入数组，去重
select deptno,collect_set(ename) from emp group by deptno;
-- collect_list可以将每一组的ename存入数组，去重,concat_ws将数组中的每一个元素进行拼接
select deptno,concat_ws('|',collect_set(ename)) as enames from emp group by deptno;

2.2 列转行

使用的是侧视图lateral view爆炸函数explode()，
代码如下（示例）：

-- 将原来的表emp2和炸开之后的表进行内部的关联，判断炸开的每一行都来自哪个数组
select * from emp2  lateral view explode(names) t as name;

-- t是explode生成的函数的别名，name是explode列的别名
select deptno, name from emp2  lateral view explode(names) t as name

三、 窗口函数

主要的窗口函数row_number()，rank(), dense_rank()将分组（group by）之后的的列与原表的其他列关联在一起查询显示

需求：按照用户进行分组，并且在每一组内部按照pv进行降序排序
-- row_number,rank,dense_rank
/*
 partition by userid   按照哪个字段分组，等价于group by
 order by pv desc      组内按照哪个字段排序
 */

select *,
       row_number() over (partition by userid order by pv desc) as rk_row_numbers,
       rank() over (partition by userid order by pv desc) as rk_rank,
       dense_rank() over (partition by userid order by pv desc) as rk_dence_rank
from test_window_fun1;

运行结果如下

四、 自定义函数

1、当在进行数据分析时，如果Hive现存的所有函数都无法满足需求，则可以自定义函数
2、自定义函数的分类
UDF : 一进一出的函数 substring、floor、reverse
UDTF: 一进多出的函数 explode
UDAF: 多进一出的函数 聚合函数（count、max、min）

4.1 自定义UDF函数

1、 继承UDF类，重写evaluete()方法

import org.apache.hadoop.hive.ql.exec.UDF;

/*
  手机号： 13812345678 ---> 138****5678
 */
@SuppressWarnings("all")
public class MyUDF  extends UDF {
    public  String evaluate(String phoneNum){
        String str1 = phoneNum.substring(0,3);
        String str2 = phoneNum.substring(7);
        return str1 + "****" + str2;
    }

}

2、
3、将自定义类代码打成jar包，添加造Hive的lib目录，并重命名（自定义名字）

mv module_hive-1.0-SNAPSHOT.jar  my_udf.jar

3、在hive的客户端添加我们的jar包

hive> add jar /export/server/hive-3.1.2/lib/my_udf.jar

4、注册函数

-- 注册临时函数
hive> create temporary function phone_num_enc as 'pack01_udf.MyUDF';

-- 注册永久函数
hive> create function phone_num_enc2 as 'pack01_udf.MyUDF'
    using jar 'hdfs://node1:8020/hive_func/my_udf.jar';

5、使用自定义函数

  hive>  select   phone_num_enc('13812345678');
  hive>  select   phone_num_enc2('13812345678');

4.2 自定义UDTF函数

package pack02;

import org.apache.hadoop.hive.ql.exec.UDFArgumentException;
import org.apache.hadoop.hive.ql.metadata.HiveException;
import org.apache.hadoop.hive.ql.udf.generic.GenericUDTF;
import org.apache.hadoop.hive.serde2.objectinspector.ObjectInspector;
import org.apache.hadoop.hive.serde2.objectinspector.ObjectInspectorFactory;
import org.apache.hadoop.hive.serde2.objectinspector.StructObjectInspector;
import org.apache.hadoop.hive.serde2.objectinspector.primitive.PrimitiveObjectInspectorFactory;

import java.util.ArrayList;
import java.util.List;

public class MyUDTF extends GenericUDTF {
    private final Object[] forwardList = new Object[1];
    /*
  该方法只会执行一次，用于初始化
  该方法用来定义:UDTF输出结果有几列，每一列的名字和类型
 */
    @Override
    public StructObjectInspector initialize(StructObjectInspector argOIs) throws UDFArgumentException {
        //设置UDTF函数输出的每一列的名字
        ArrayList<String> fieldNames = new ArrayList<>();
        //设置列名
        fieldNames.add("name");
        //设置UDTF函数输出的每一列类型
//        ArrayList fieldOIs = new ArrayList<>();//检查器列表
        List<ObjectInspector> fieldOIs = new ArrayList<ObjectInspector>();
        //第一列：String类型
        fieldOIs.add(PrimitiveObjectInspectorFactory.javaStringObjectInspector);
        return ObjectInspectorFactory.getStandardStructObjectInspector(fieldNames, fieldOIs);
    }


    //每来一行数据，该方法就会调用一次
    /*
      select my_udtf(字段，分隔符)
      select my_udtf(‘zookeeper,hadoop,hdfs,hive,MapReduce’,',')
      Object[] objects = {‘zookeeper,hadoop,hdfs,hive,MapReduce’,',' }
     */
    @Override
    public void process(Object[] objects) throws HiveException {
        //1、获取原始数据
        String line = objects[0].toString();

        //2、获取数据传入的第二个参数，此处为分隔符
        String splitKey = objects[1].toString();

        //3.将原始数据按照传入的分隔符进行切分
        String[] wordArray = line.split(splitKey);

        //4:遍历切分后的结果，并写出
        for (String word : wordArray) {
            //将每一个单词添加值对象数组
            forwardList[0] = word;
            //将对象数组内容写出,每写一次就会多出一行
            forward(forwardList);
        }
    }

    @Override
    public void close() throws HiveException {

    }

}

上下步骤和实现UDF函数一致

---

总结

Hive SQL 的数学函数与mysql的sql语句基本一致，上文所列的窗口函数与mysql8.0支持的窗口函数也是大同小异，sql的语法都是差不多，就是hive是处理大数据的，hive sql会根据自己的需求做一些改变。